論文の概要: Fitness Approximation through Machine Learning
- arxiv url: http://arxiv.org/abs/2309.03318v2
- Date: Tue, 21 May 2024 12:32:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-22 19:20:36.654236
- 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。
進化的な実行を通して、フィットネス近似MLモデルを継続的に更新する。
- 参考スコア（独自算出の注目度）: 1.0624606551524207
- 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, through dynamic adaptation to the evolutionary state. Maintaining a dataset of sampled individuals along with their actual fitness scores, we continually update a fitness-approximation ML model throughout an evolutionary run. 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. Although we focus on evolutionary agents in Gymnasium (game) simulators -- where fitness computation is costly -- our approach is generic and can be easily applied to many different domains.
- Abstract（参考訳）: 本稿では、進化状態への動的適応を通して、機械学習(ML)モデルを用いた遺伝的アルゴリズム(GA)の適合性近似を行う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、進化的な実行を通じて、フィットネス近似MLモデルを継続的に更新する。
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 人口の採取、及び
3) 試料の重み付け。
実験結果によると、完全に実行されたGAと同等またはわずかに低いフィットネススコアを持つ進化的ランタイムは、近似現実性計算の比率によって大幅に改善されている。
Gymnasium(ゲーム)シミュレーターの進化的エージェント(フィットネス計算がコストがかかる)に焦点を当てていますが、我々のアプローチは汎用的で、多くの異なる領域に容易に適用できます。
関連論文リスト
- Scaling Laws and Compute-Optimal Training Beyond Fixed Training Durations [62.132347451049455]
スケールは強力な機械学習モデルを得る上で重要な要素となっている。
本研究では,コサインのスケジュールに依存するため,スケールとトレーニングの研究は必然的に複雑である,と論じる。
その結果,重量平均化はトレーニングの軌道に沿って,異なるスケールでのトレーニングコストを伴わずに向上することがわかった。
論文 参考訳（メタデータ） (2024-05-28T17:33:54Z) - 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) - DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary
Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。
我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。
今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文 参考訳（メタデータ） (2023-12-08T16:51:10Z) - 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) - 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) - Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。
シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文 参考訳（メタデータ） (2021-10-26T14:26:25Z) - 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) - 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。