論文の概要: Metaheuristic Algorithms in Artificial Intelligence with Applications to
Bioinformatics, Biostatistics, Ecology and, the Manufacturing Industries
- arxiv url: http://arxiv.org/abs/2308.10875v2
- Date: Mon, 16 Oct 2023 21:46:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 20:48:12.469564
- Title: Metaheuristic Algorithms in Artificial Intelligence with Applications to
Bioinformatics, Biostatistics, Ecology and, the Manufacturing Industries
- Title(参考訳): 人工知能のメタヒューリスティックアルゴリズムとバイオインフォマティクス, バイオ統計学, 生態学, 製造業への応用
- Authors: Elvis Han Cui, Zizhao Zhang, Culsome Junwen Chen, Weng Kee Wong
- Abstract要約: 我々は,CSO-MAを用いた競合Swarmという,自然に着想を得たメタヒューリスティックアルゴリズムを新たに提案する。
アルゴリズムは効率的で,様々なコスト構造やユーザ指定の非線形制約を組み込むことができる。
特に、アルゴリズムは効率的であり、様々なコスト構造や複数のユーザ指定非線形制約を組み込むことができる。
- 参考スコア(独自算出の注目度): 13.834685397644357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nature-inspired metaheuristic algorithms are important components of
artificial intelligence, and are increasingly used across disciplines to tackle
various types of challenging optimization problems. We apply a newly proposed
nature-inspired metaheuristic algorithm called competitive swarm optimizer with
mutated agents (CSO-MA) and demonstrate its flexibility and out-performance
relative to its competitors in a variety of optimization problems in the
statistical sciences. In particular, we show the algorithm is efficient and can
incorporate various cost structures or multiple user-specified nonlinear
constraints. Our applications include (i) finding maximum likelihood estimates
of parameters in a single cell generalized trend model to study pseudotime in
bioinformatics, (ii) estimating parameters in a commonly used Rasch model in
education research, (iii) finding M-estimates for a Cox regression in a Markov
renewal model and (iv) matrix completion to impute missing values in a two
compartment model. In addition we discuss applications to (v) select variables
optimally in an ecology problem and (vi) design a car refueling experiment for
the auto industry using a logistic model with multiple interacting factors.
- Abstract(参考訳): 自然にインスパイアされたメタヒューリスティックアルゴリズムは、人工知能の重要なコンポーネントであり、様々な最適化問題に取り組むために、分野間でますます使われています。
我々は,CSO-MAを用いた競合Swarm Optimizationrという,自然に着想を得たメタヒューリスティックアルゴリズムを新たに提案し,その柔軟性と性能を,統計学における様々な最適化問題に適用した。
特に、アルゴリズムは効率的であり、様々なコスト構造や複数のユーザ指定非線形制約を組み込むことができる。
私たちのアプリケーションには
一 単細胞一般化傾向モデルにおけるパラメータの最大推定値を求め、バイオインフォマティクスにおける擬似時間を研究する。
(ii)教育研究における一般的なraschモデルにおけるパラメータの推定
(iii)マルコフ更新モデルにおけるcox回帰のためのm-estimatesの探索と
(4) 2つのコンパートメントモデルにおける欠落値を暗示する行列補完。
さらに応用についても論じる。
(v)生態問題において最適な変数を選定し、
(vi)複数の相互作用因子をもつロジスティックモデルを用いて自動車産業のための燃料補給実験を設計する。
関連論文リスト
- Dual-stage optimizer for systematic overestimation adjustment applied to
multi-objective genetic algorithms for biomarker selection [0.18648070031379424]
特徴選択法を用いたバイオマーカー同定は,特徴数における予測能力とパシモニーのトレードオフを伴う多目的問題として扱うことができる。
提案するDOSA-MOは多目的最適化ラッパーアルゴリズムで,元の推定値,分散度,および解の特徴セットサイズが過大評価を予測する。
論文 参考訳(メタデータ) (2023-12-27T16:13:14Z) - CoDBench: A Critical Evaluation of Data-driven Models for Continuous
Dynamical Systems [8.410938527671341]
微分方程式を解くための11の最先端データ駆動モデルからなる総合ベンチマークスイートであるCodBenchを紹介する。
具体的には、Viz.、フィードフォワードニューラルネットワーク、ディープオペレータ回帰モデル、周波数ベースのニューラル演算子、トランスフォーマーアーキテクチャの4つの異なるカテゴリを評価する。
我々は、学習におけるオペレータの能力、ゼロショット超解像、データ効率、ノイズに対する堅牢性、計算効率を評価する広範な実験を行う。
論文 参考訳(メタデータ) (2023-10-02T21:27:54Z) - Enhancing Multi-Objective Optimization through Machine
Learning-Supported Multiphysics Simulation [1.7522552085069194]
本稿では,多物理シミュレーションを近似・高速化するために,訓練,自己最適化,自己組織化サロゲートモデルの方法論的枠組みを提案する。
2つの実世界のデータセットを生成して公開し、比較的少量のデータでサロゲートモデルをトレーニングできることを示します。
機械学習とディープラーニングの4つのアルゴリズムと2つの最適化アルゴリズムと総合評価戦略を組み合わせた広範囲な実験を行う。
論文 参考訳(メタデータ) (2023-09-22T20:52:50Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Learning Latent Dynamics via Invariant Decomposition and
(Spatio-)Temporal Transformers [0.6767885381740952]
本研究では,高次元経験データから力学系を学習する手法を提案する。
我々は、システムの複数の異なるインスタンスからデータが利用できる設定に焦点を当てる。
我々は、単純な理論的分析と、合成および実世界のデータセットに関する広範な実験を通して行動を研究する。
論文 参考訳(メタデータ) (2023-06-21T07:52:07Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳(メタデータ) (2023-03-03T21:41:01Z) - A Pareto-optimal compositional energy-based model for sampling and
optimization of protein sequences [55.25331349436895]
深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。
これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
論文 参考訳(メタデータ) (2022-10-19T19:04:45Z) - Neural Design for Genetic Perturbation Experiments [16.95249173404529]
我々は、クエリ(アーム)と出力(リワード)の異なる機能関係の下で、ほぼ最適なアームを見つけるために、最適アーム除去原理を導入する。
OAEはまた、GeneDiscoの実験的計画課題において、ベンチマークアルゴリズムを4つのデータセットのうち3つで上回っている。
論文 参考訳(メタデータ) (2022-07-26T10:59:52Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳(メタデータ) (2022-07-20T07:32:02Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳(メタデータ) (2022-06-15T19:10:35Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z)
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。