論文の概要: Probabilistic Lexicase Selection

• arxiv url: http://arxiv.org/abs/2305.11681v1
• Date: Fri, 19 May 2023 13:57:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 14:20:14.199036
• Title: Probabilistic Lexicase Selection
• Title（参考訳）: 確率的語彙選択
• Authors: Li Ding, Edward Pantridge, Lee Spector
• Abstract要約: 本稿では,レキシケード選択の確率分布を効率的に近似する新しい親選択アルゴリズムである確率論的レキシケード選択(プレキシケード選択)を導入する。 提案手法は,セマンティック・アウェア選択法として優れた問題解決能力を示すだけでなく,選択プロセスの確率的表現の利点も示している。
• 参考スコア（独自算出の注目度）: 6.177959045971966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lexicase selection is a widely used parent selection algorithm in genetic programming, known for its success in various task domains such as program synthesis, symbolic regression, and machine learning. Due to its non-parametric and recursive nature, calculating the probability of each individual being selected by lexicase selection has been proven to be an NP-hard problem, which discourages deeper theoretical understanding and practical improvements to the algorithm. In this work, we introduce probabilistic lexicase selection (plexicase selection), a novel parent selection algorithm that efficiently approximates the probability distribution of lexicase selection. Our method not only demonstrates superior problem-solving capabilities as a semantic-aware selection method, but also benefits from having a probabilistic representation of the selection process for enhanced efficiency and flexibility. Experiments are conducted in two prevalent domains in genetic programming: program synthesis and symbolic regression, using standard benchmarks including PSB and SRBench. The empirical results show that plexicase selection achieves state-of-the-art problem-solving performance that is competitive to the lexicase selection, and significantly outperforms lexicase selection in computation efficiency.
• Abstract（参考訳）: 語彙選択は遺伝的プログラミングにおいて広く用いられる親選択アルゴリズムであり、プログラム合成、記号回帰、機械学習といった様々なタスク領域での成功で知られている。 非パラメトリックで再帰的な性質のため、レキシケース選択によって選択された個々の確率を計算することはNPハード問題であり、アルゴリズムの深い理論的理解と実践的な改善を妨げることが証明されている。 本研究では,レキシケース選択の確率分布を効率的に近似する新しい親選択アルゴリズムである確率的レキシケース選択(プレキシカーゼ選択)を提案する。 提案手法は,セマンティック・アウェア選択法として優れた問題解決能力を示すだけでなく,効率と柔軟性を向上させるための選択プロセスの確率的表現の利点も示す。 PSB や SRBench などの標準ベンチマークを用いて、プログラム合成と記号回帰の2つの一般的な領域で実験を行う。 その結果,プレキシカーゼの選択は,レキシケース選択に匹敵する最先端の問題解決性能を達成し,計算効率においてレキシケース選択を大幅に上回ることがわかった。

関連論文リスト

• Switchable Decision: Dynamic Neural Generation Networks [98.61113699324429]
  本稿では,各データインスタンスのリソースを動的に割り当てることで,推論を高速化するスイッチブルな決定を提案する。 提案手法は, 同一の精度を維持しながら, 推論時のコスト低減に有効である。
  論文  参考訳（メタデータ） (2024-05-07T17:44:54Z)
• DALex: Lexicase-like Selection via Diverse Aggregation [6.394522608656896]
  DALex(Diversely Aggregated Lexicase)は,レキシケース選択とその緩和された変種に対して,大幅な高速化を実現することを示す。 プログラム合成, 深層学習, 記号回帰, 学習システムの結果から, DALexは語彙選択とその緩和された変種に対して, 大幅な高速化を実現することが示された。
  論文  参考訳（メタデータ） (2024-01-23T01:20:15Z)
• Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
  逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である 本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
  論文  参考訳（メタデータ） (2023-07-01T18:35:21Z)
• Down-Sampled Epsilon-Lexicase Selection for Real-World Symbolic Regression Problems [1.8047694351309207]
  ダウンサンプリングされたエプシロン-レキシケース選択は、エプシロン-レキシケース選択とランダムサブサンプリングを組み合わせることで、シンボリックレグレッションの領域の性能を向上させる。 その結果, 標準のエプシロン-レキシケース選択と比較して, ダウンサンプルのエプシロン-レキシケース選択により多様性が低下することが判明した。 ダウンサンプリングされたエプシロン-レキシケース選択では,標準的なエプシロン-レキシケース選択と比較して解の質が最大85%向上することが観察された。
  論文  参考訳（メタデータ） (2023-02-08T19:36:26Z)
• Calculating lexicase selection probabilities is NP-Hard [0.0]
  lex-prob というこの問題が NP-Hard であることを示す。 この証明は、よく知られたNP-Complete問題であるSATを、時間内にlex-probに還元することで達成する。
  論文  参考訳（メタデータ） (2023-01-17T06:51:44Z)
• Lexicase Selection at Scale [5.4968949435821735]
  語彙選択(Lexicase selection)は、ランダムにシャッフルされたデータストリームで個々のテストケースを評価する意味認識親選択法である。 語彙選択とそのバリエーションの潜在的な欠点の1つは、選択手順が単一のデータストリームでトレーニングケースを評価する必要があることである。 そこで本研究では,レキシケース選択と重み付きシャッフルを組み合わせた高速レキシケース選択法を提案する。
  論文  参考訳（メタデータ） (2022-08-23T03:58:47Z)
• Black-box Selective Inference via Bootstrapping [5.960626580825523]
  条件選択推論は選択イベントの正確な特徴を必要とするが、ラッソのようないくつかの例を除いてしばしば利用できない。 この研究は、選択イベントを推定するための一般的なアプローチを導入し、選択イベントに条件付けされた実行可能な推論を容易にすることで、この問題に対処する。
  論文  参考訳（メタデータ） (2022-03-28T05:18:21Z)
• Fast Feature Selection with Fairness Constraints [49.142308856826396]
  モデル構築における最適特徴の選択に関する基礎的問題について検討する。 この問題は、greedyアルゴリズムの変種を使用しても、大規模なデータセットで計算的に困難である。 適応クエリモデルは,最近提案された非モジュラー関数に対する直交整合探索のより高速なパラダイムに拡張する。 提案アルゴリズムは、適応型クエリモデルにおいて指数関数的に高速な並列実行を実現する。
  論文  参考訳（メタデータ） (2022-02-28T12:26:47Z)
• Online Active Model Selection for Pre-trained Classifiers [72.84853880948894]
  我々は,任意のラウンドにおいて高い確率で最良のモデルをラベル付けし,出力する情報的サンプルを積極的に選択するオンライン選択的サンプリング手法を設計する。 我々のアルゴリズムは、敵とストリームの両方のオンライン予測タスクに利用できる。
  論文  参考訳（メタデータ） (2020-10-19T19:53:15Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。