論文の概要: Untangling the Effects of Down-Sampling and Selection in Genetic Programming
- arxiv url: http://arxiv.org/abs/2304.07089v2
- Date: Thu, 1 Aug 2024 15:13:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-02 19:06:02.006686
- Title: Untangling the Effects of Down-Sampling and Selection in Genetic Programming
- Title（参考訳）: 遺伝的プログラミングにおけるダウンサンプリングと選択の効果の解明
- Authors: Ryan Boldi, Ashley Bao, Martin Briesch, Thomas Helmuth, Dominik Sobania, Lee Spector, Alexander Lalejini,
- Abstract要約: 遺伝的プログラミングシステムは、選択のための候補解の品質を評価するために、しばしば大きなトレーニングセットを使用する。
近年の研究では、ランダム・ダウンサンプリングとインフォメーション・ダウンサンプリングの両方が問題解決の成功を大幅に改善できることが示されている。
- 参考スコア（独自算出の注目度）: 40.05141985769286
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Genetic programming systems often use large training sets to evaluate the quality of candidate solutions for selection, which is often computationally expensive. Down-sampling training sets has long been used to decrease the computational cost of evaluation in a wide range of application domains. More specifically, recent studies have shown that both random and informed down-sampling can substantially improve problem-solving success for GP systems that use the lexicase parent selection algorithm. We test whether these down-sampling techniques can also improve problem-solving success in the context of three other commonly used selection methods, fitness-proportionate, tournament, implicit fitness sharing plus tournament selection, across six program synthesis GP problems. We verified that down-sampling can significantly improve the problem-solving success for all three of these other selection schemes, demonstrating its general efficacy. We discern that the selection pressure imposed by the selection scheme does not interact with the down-sampling method. However, we find that informed down-sampling can improve problem solving success significantly over random down-sampling when the selection scheme has a mechanism for diversity maintenance like lexicase or implicit fitness sharing. Overall, our results suggest that down-sampling should be considered more often when solving test-based problems, regardless of the selection scheme in use.
- Abstract（参考訳）: 遺伝的プログラミングシステムは、しばしば大きなトレーニングセットを使用して、選択のための候補ソリューションの品質を評価する。
ダウンサンプリングトレーニングセットは、幅広いアプリケーション領域における評価の計算コストを低減するために、長い間使われてきた。
より具体的には、近年の研究では、ランダムなダウンサンプリングとインフォメーションなダウンサンプリングの両方が、レキシケース親選択アルゴリズムを用いたGPシステムにおける問題解決の成功を大幅に改善できることが示されている。
これらのダウンサンプリング手法は,6つのプログラム合成GP問題にまたがって,フィットネス・プロポータネート,トーナメント,暗黙のフィットネス共有とトーナメント選択という,他の3つの一般的な選択手法の文脈において,問題解決の成功を向上できるかどうかを検証した。
これら3つの選別方式のすべてにおいて,ダウンサンプリングが問題解決の成功を著しく向上させ,その有効性を実証した。
我々は,選択方式によって課される選択圧力が,ダウンサンプリング法と相互作用しないことを明らかにした。
しかし,情報化ダウンサンプリングは,レキシケースや暗黙のフィットネス共有といった多様性維持機構を持つ場合,ランダムなダウンサンプリングよりも問題解決の成功を著しく向上させることができることがわかった。
以上の結果から, 使用中の選択方式によらず, テストベース問題を解く場合には, ダウンサンプリングがより頻繁に考慮されるべきであることが示唆された。
関連論文リスト
- Lexicase-based Selection Methods with Down-sampling for Symbolic Regression Problems: Overview and Benchmark [0.8602553195689513]
本稿では, 広範囲の記号回帰問題に対して, 関連する語彙に基づく選択法と組み合わせて, ランダムかつ情報的なダウンサンプリングを評価する。
評価予算について,エプシロン・レキシケース選択とランダムあるいはインフォメーション・ダウンサンプリングの組み合わせにより,他の手法よりも優れた結果が得られた。
論文 参考訳（メタデータ） (2024-07-31T14:26:22Z) - Diversified Batch Selection for Training Acceleration [68.67164304377732]
オンラインバッチ選択として知られる一般的な研究ラインでは、トレーニングプロセス中の情報サブセットの選択について検討している。
バニラ参照モデルフリーメソッドは、独立してデータをサンプリング的にスコア付けし、選択する。
DivBS(Diversified Batch Selection)を提案する。
論文 参考訳（メタデータ） (2024-06-07T12:12:20Z) - Learning Fair Policies for Multi-stage Selection Problems from
Observational Data [4.282745020665833]
我々は、観測データから多段階選択問題に対する公正なポリシーを学習する問題を考察する。
この問題は、企業の雇用、ローン承認、または、選択された結果のみが観察されるような保釈決定など、いくつかの高い評価の領域で発生する。
本稿では,人口格差や平等機会など,様々な公平性制約で拡張可能な多段階フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-20T16:33:15Z) - Selecting Learnable Training Samples is All DETRs Need in Crowded
Pedestrian Detection [72.97320260601347]
混雑した歩行者検出では, サンプル選択法が不適切であるため, DETRの性能は相変わらず不満足である。
制約誘導ラベル割り当てスキーム(CGLA)からなる群集歩行者のサンプル選択を提案する。
実験の結果,提案したSSCPは推論のオーバーヘッドを発生させることなく,ベースラインを効果的に改善することがわかった。
論文 参考訳（メタデータ） (2023-05-18T08:28:01Z) - In Search of Insights, Not Magic Bullets: Towards Demystification of the
Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。
選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
論文 参考訳（メタデータ） (2023-02-06T16:55:37Z) - Informed Down-Sampled Lexicase Selection: Identifying productive
training cases for efficient problem solving [40.683810697551166]
遺伝的プログラミング(GP)は、しばしば大きなトレーニングセットを使用し、選択中にすべてのトレーニングケースですべての個人を評価する必要がある。
ランダムダウンサンプリングレキシケースの選択は、トレーニングケースのランダムなサブセットのみの個人を評価し、同じプログラム実行量でより多くの個人を探索できるようにする。
Informed Down-Sampled Lexicase Selectionでは、人口統計を用いて、より明瞭で情報的な訓練ケースを含むダウンサンプルを構築します。
論文 参考訳（メタデータ） (2023-01-04T08:47:18Z) - The Environmental Discontinuity Hypothesis for Down-Sampled Lexicase
Selection [0.0]
ダウンサンプリングは、レキシケース親選択技術を利用した遺伝的プログラミング(GP)に有効であることが証明された。
我々は、世代毎に行われるランダムサンプリングが不連続を引き起こし、人口が変動する環境に適応できないという仮説を立てた。
環境変化を増進させることは、単純なランダムなダウンサンプリングよりも、プログラム合成問題を解くための進化的ソリューションにとって、それほど良くないことがわかった。
論文 参考訳（メタデータ） (2022-05-31T16:21:14Z) - HardVis: Visual Analytics to Handle Instance Hardness Using Undersampling and Oversampling Techniques [48.82319198853359]
HardVisは、主に不均衡な分類シナリオでインスタンスの硬さを処理するために設計されたビジュアル分析システムである。
ユーザはさまざまな視点からデータのサブセットを探索して、これらのパラメータをすべて決定できる。
HardVisの有効性と有効性は仮説的利用シナリオとユースケースで実証される。
論文 参考訳（メタデータ） (2022-03-29T17:04:16Z) - Problem-solving benefits of down-sampled lexicase selection [0.20305676256390928]
ダウンサンプルのレキシケース選択の主な利点は、進化過程が同じ計算予算内でより多くの個人を調べることができるという事実から来ています。
しかし、ダウンサンプリングが役立つ理由は、まだ完全には理解されていない。
論文 参考訳（メタデータ） (2021-06-10T23:42:09Z) - Bloom Origami Assays: Practical Group Testing [90.2899558237778]
グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。
近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。
我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
論文 参考訳（メタデータ） (2020-07-21T19:31:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。