論文の概要: Fitness Approximation through Machine Learning
- arxiv url: http://arxiv.org/abs/2309.03318v1
- Date: Wed, 6 Sep 2023 18:58:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-08 15:08:23.627065
- Title: Fitness Approximation through Machine Learning
- Title(参考訳): 機械学習によるフィットネス近似
- Authors: Itai Tzruia, Tomer Halperin, Moshe Sipper, Achiya Elyasaf
- Abstract要約: 機械学習(ML)モデルを用いた遺伝的アルゴリズム(GA)における適合度近似の新たな手法を提案する。
私たちは、実際のフィットネススコアとともに、サンプルされた個人のデータセットを保持します。
我々は、フィットネス近似MLモデルの進化的実行を通じて継続的に更新する。
- 参考スコア(独自算出の注目度): 1.1606619391009658
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a novel approach to performing fitness approximation in genetic
algorithms (GAs) using machine-learning (ML) models, focusing on evolutionary
agents in Gymnasium (game) simulators -- where fitness computation is costly.
Maintaining a dataset of sampled individuals along with their actual fitness
scores, we continually update throughout an evolutionary run a
fitness-approximation ML model. We compare different methods for: 1) switching
between actual and approximate fitness, 2) sampling the population, and 3)
weighting the samples. Experimental findings demonstrate significant
improvement in evolutionary runtimes, with fitness scores that are either
identical or slightly lower than that of the fully run GA -- depending on the
ratio of approximate-to-actual-fitness computation. Our approach is generic and
can be easily applied to many different domains.
- Abstract(参考訳): 本稿では、Gymnasium(ゲーム)シミュレータの進化的エージェントに着目し、機械学習(ML)モデルを用いた遺伝的アルゴリズム(GA)におけるフィットネス近似を実行するための新しいアプローチを提案する。
サンプルのデータセットと実際のフィットネススコアを維持することで、私たちは、フィットネス近似MLモデルの進化的な実行を通じて継続的に更新します。
異なる方法を比較します。
1)実際のフィットネスと近似フィットネスの切り替え
2)人口をサンプリングし、
3) 試料の重み付け。
実験の結果は、ほぼ適合性の計算の比率に応じて、完全に実行されたGAと同一またはわずかに低いフィットネススコアを持つ進化ランタイムにおいて、顕著な改善が示されている。
我々のアプローチは汎用的で、多くの異なるドメインに簡単に適用できます。
関連論文リスト
- Fast Genetic Algorithm for feature selection -- A qualitative approximation approach [5.279268784803583]
本稿では,遺伝的アルゴリズム(GA)を特徴選択に用いることによって生じる計算問題に対処するための,2段階の代理支援進化的アプローチを提案する。
我々はCHCQXがより高速に収束し、特に100K以上のインスタンスを持つ大規模データセットにおいて、非常に高い精度でサブセットソリューションを特徴付けることを示した。
論文 参考訳(メタデータ) (2024-04-05T10:15:24Z) - Augmenting Vision-Based Human Pose Estimation with Rotation Matrix [0.20482269513546458]
本研究では,ポーズ推定と新たなデータ拡張手法,すなわち回転行列を併用したモデルを提案する。
ポーズ推定データに基づく行動認識の分類精度を高めることを目的としている。
論文 参考訳(メタデータ) (2023-10-09T18:19:51Z) - Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。
以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。
この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文 参考訳(メタデータ) (2023-06-06T19:05:01Z) - Automatically Balancing Model Accuracy and Complexity using Solution and
Fitness Evolution (SAFE) [4.149117182410553]
提案した共進化アルゴリズムSAFE(Solution and Fitness Evolution)を用いて,複数の目的を動的に調整できるかどうかを検討する。
GAMETESツールによって生成された複雑なシミュレートされた遺伝的データセットよりも、標準的な進化的アルゴリズムと比較して、SAFEは性能損失のない精度と複雑さを自動調整できることがわかった。
論文 参考訳(メタデータ) (2022-06-30T16:55:33Z) - 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) - Using Genetic Programming to Predict and Optimize Protein Function [65.25258357832584]
我々は,進化的手法に基づく遺伝的プログラミングツールPOETを提案し,方向性進化におけるスクリーニングと変異原性を高める。
概念実証として, 化学交換飽和移動機構によって検出されたMRIコントラストを生成するペプチドを用いる。
以上の結果から,POETのような計算モデリングツールは,従来よりも400%優れた機能性を持つペプチドを見つけるのに有効であることが示唆された。
論文 参考訳(メタデータ) (2022-02-08T18:08:08Z) - STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。
実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文 参考訳(メタデータ) (2021-07-15T02:53:11Z) - Genetic Programming is Naturally Suited to Evolve Bagging Ensembles [0.0]
適合度評価と選択の微妙な変化は、単純で従来のGPアルゴリズムを効率的に進化させるのに十分であることを示す。
我々のアルゴリズムは、最先端のアンサンブルと非アンサンブルGPアルゴリズムと非常によく比較できる。
論文 参考訳(メタデータ) (2020-09-13T16:28:11Z) - The data-driven physical-based equations discovery using evolutionary
approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。
このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。
解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文 参考訳(メタデータ) (2020-04-03T17:21:57Z) - Fine-Tuning Pretrained Language Models: Weight Initializations, Data
Orders, and Early Stopping [62.78338049381917]
教師付き下流タスクのための微調整済み文脈単語埋め込みモデルは、自然言語処理において一般的なものとなっている。
GLUEベンチマークから得られた4つのデータセットを実験し、無作為な種だけを変えながら、それぞれに数百回微調整されたBERTを実験した。
これまでに報告した結果と比較すると,性能が大幅に向上し,微調整試行回数の関数としてベストファウンドモデルの性能がどう変化するかが定量化される。
論文 参考訳(メタデータ) (2020-02-15T02:40:10Z) - A Study of Fitness Landscapes for Neuroevolution [4.930887920982693]
フィットネスランドスケープを使ってメタヒューリスティックスのダイナミクスを研究します。
また,本手法の予測能力に関する有用な情報を推測するためにも利用した。
その結果、これらの測定値は、考慮された神経進化構成の最適化能力と一般化能力の両方を推定するのに適していることが示された。
論文 参考訳(メタデータ) (2020-01-30T11:53:55Z)
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。