論文の概要: Solving Novel Program Synthesis Problems with Genetic Programming using Parametric Polymorphism

• arxiv url: http://arxiv.org/abs/2306.04839v1
• Date: Thu, 8 Jun 2023 00:10:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 17:03:24.658283
• Title: Solving Novel Program Synthesis Problems with Genetic Programming using Parametric Polymorphism
• Title（参考訳）: パラメトリック多型を用いた遺伝的プログラミングによる新しいプログラム合成問題の解法
• Authors: Edward Pantridge, Thomas Helmuth
• Abstract要約: Code-build Genetic Programming (CBGP) は、スタックベースのコンパイルと形式型システムを用いて、線形ゲノムからタイプセーフなプログラムをコンパイルする。 CBGPは、これらの性質の全てで問題を解くことができ、そこでは、我々が知っている他のすべてのGP系が、これらの性質の問題を考慮できないような制限を持っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Contemporary genetic programming (GP) systems for general program synthesis have been primarily concerned with evolving programs that can manipulate values from a standard set of primitive data types and simple indexed data structures. In contrast, human programmers do not limit themselves to a small finite set of data types and use polymorphism to express an unbounded number of types including nested data structures, product types, and generic functions. Code-building Genetic Programming (CBGP) is a recently introduced method that compiles type-safe programs from linear genomes using stack-based compilation and a formal type system. Although prior work with CBGP has shown initial demonstrations of polymorphism inside evolved programs, we have provided a deeper exploration of these capabilities through the evolution of programs which make use of generic data types such as key-value maps, tuples, and sets, as well as higher order functions and functions with polymorphic type signatures. In our experiments, CBGP is able to solve problems with all of these properties, where every other GP system that we know of has restrictions that make it unable to even consider problems with these properties. This demonstration provides a significant step towards fully aligning the expressiveness of GP to real world programming.
• Abstract（参考訳）: 汎用プログラム合成のための現代遺伝プログラミング(GP)システムは、プリミティブなデータ型と単純なインデックス付きデータ構造の標準セットから値を操作できる進化プログラムに主に関係している。 対照的に、人間プログラマはデータ型の小さな有限集合に限定せず、ネストしたデータ構造、製品タイプ、ジェネリック関数を含む非有界な型を表現するために多型を使用する。 Code-build Genetic Programming (CBGP) は、スタックベースのコンパイルと形式型システムを用いて、線形ゲノムからタイプセーフなプログラムをコンパイルする手法である。 CBGPの以前の研究は、進化したプログラム内での多型の最初のデモを見せているが、キー値マップ、タプル、集合などの汎用データ型と、高次関数や多型型シグネチャを持つ関数を利用するプログラムの進化を通じて、これらの機能をより深く探求してきた。 我々の実験では、cbgpはこれらの全ての特性の問題を解決することができ、我々が知っている全てのgpシステムにはこれらの特性の問題を考慮できない制限があります。 このデモンストレーションは、gpの表現力を完全に現実世界のプログラミングに合わせるための重要なステップを提供する。

関連論文リスト

• Compositional Program Generation for Few-Shot Systematic Generalization [59.57656559816271]
  コンポジションプログラムジェネレータ(CPG)と呼ばれるニューロシンボリックアーキテクチャに関する研究 CPGには3つの重要な特徴がある: 文法規則の形で、テキストモジュラリティ、テキストコンポジション、テキストタストラクションである。 SCAN と COGS のベンチマークでは,SCAN の14例と COGS の22例を使用して,完全な一般化を実現している。
  論文  参考訳（メタデータ） (2023-09-28T14:33:20Z)
• HOTGP -- Higher-Order Typed Genetic Programming [0.0]
  HOTGPは純粋、型付き、機能プログラムを合成する新しい遺伝的アルゴリズムである。 この文法はHaskellの標準ベースライブラリに基づいている。
  論文  参考訳（メタデータ） (2023-04-06T16:23:34Z)
• Weighted Ensembles for Active Learning with Adaptivity [60.84896785303314]
  本稿では,ラベル付きデータに漸進的に適応した重み付きGPモデルのアンサンブルについて述べる。 この新しいEGPモデルに基づいて、不確実性および不一致ルールに基づいて、一連の取得関数が出現する。 適応的に重み付けされたEGPベースの取得関数のアンサンブルも、さらなる性能向上のために導入されている。
  論文  参考訳（メタデータ） (2022-06-10T11:48:49Z)
• Functional Code Building Genetic Programming [0.0]
  Code Building Genetic Programming (CBGP)は、最近導入された汎用プログラム合成のためのGP法である。 関数型プログラミング言語とHendley-Milner型システムは,型安全性プログラムの進化に有効であることを示す。
  論文  参考訳（メタデータ） (2022-06-09T15:22:33Z)
• Equivariant Graph Mechanics Networks with Constraints [83.38709956935095]
  本稿では,グラフ力学ネットワーク(GMN)を提案する。 GMNは、一般化された座標により、構造体の前方運動学情報(位置と速度)を表す。 大規模な実験は、予測精度、制約満足度、データ効率の観点から、最先端のGNNと比較してGMNの利点を支持する。
  論文  参考訳（メタデータ） (2022-03-12T14:22:14Z)
• Incremental Ensemble Gaussian Processes [53.3291389385672]
  本稿では,EGPメタラーナーがGP学習者のインクリメンタルアンサンブル(IE-) GPフレームワークを提案し,それぞれが所定のカーネル辞書に属するユニークなカーネルを持つ。 各GP専門家は、ランダムな特徴ベースの近似を利用してオンライン予測とモデル更新を行い、そのスケーラビリティを生かし、EGPメタラーナーはデータ適応重みを生かし、熟練者ごとの予測を合成する。 新たなIE-GPは、EGPメタラーナーおよび各GP学習者内における構造化力学をモデル化することにより、時間変化関数に対応するように一般化される。
  論文  参考訳（メタデータ） (2021-10-13T15:11:25Z)
• Multi-modal Self-supervised Pre-training for Regulatory Genome Across Cell Types [75.65676405302105]
  我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。 我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
  論文  参考訳（メタデータ） (2021-10-11T12:48:44Z)
• Using Traceless Genetic Programming for Solving Multiobjective Optimization Problems [1.9493449206135294]
  トレーレス・ジェネティック・プログラミング(Traceless Genetic Programming、TGP)は、プログラム自体よりもプログラムの出力に焦点をあてる場合に使われる遺伝的プログラミング(GP)の変種である。 TGPと組み合わせて2つの遺伝子操作子(クロスオーバーと挿入)が使用される。 数値実験により、TGPは非常に高速かつ十分に検討されたテスト問題を解くことができることが示された。
  論文  参考訳（メタデータ） (2021-10-07T05:55:55Z)
• Bilinear Classes: A Structural Framework for Provable Generalization in RL [119.42509700822484]
  Bilinear Classesは強化学習の一般化を可能にする新しい構造フレームワークである。 このフレームワークは、サンプルの複雑さが達成可能な、ほとんどすべての既存のモデルを取り込んでいる。 我々の主な成果は、双線形クラスのためのサンプル複雑性を持つRLアルゴリズムである。
  論文  参考訳（メタデータ） (2021-03-19T16:34:20Z)
• Code Building Genetic Programming [0.0]
  我々は、コード構築遺伝プログラミング(CBGP)を、これを実現するためのフレームワークとして紹介する。 CBGPは、ホスト言語のソースコードに実行または変換できる計算グラフを生成する。
  論文  参考訳（メタデータ） (2020-08-09T04:33:04Z)
• Obtaining Basic Algebra Formulas with Genetic Programming and Functional Rewriting [0.0]
  我々は、関数型プログラミングの書き直しを用いて、帰納的遺伝的プログラミングを促進する。 親はトーナメント選択機構に従って選択され、次の人口は定常的な戦略に従って取得される。 古典的遺伝プログラミングにおける)難題の集合において,本手法の性能を比較した。
  論文  参考訳（メタデータ） (2020-05-03T23:32:36Z)

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。