論文の概要: Runtime phylogenetic analysis enables extreme subsampling for test-based problems

• arxiv url: http://arxiv.org/abs/2402.01610v1
• Date: Fri, 2 Feb 2024 18:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 14:05:53.601523
• Title: Runtime phylogenetic analysis enables extreme subsampling for test-based problems
• Title（参考訳）: 実行時系統解析はテストベース問題に対する極端なサブサンプリングを可能にする
• Authors: Alexander Lalejini, Marcos Sanson, Jack Garbus, Matthew Andres Moreno, Emily Dolson
• Abstract要約: そこで我々は, テストベース問題の解決に向け, 実行時系統解析を利用する新しいサブサンプリング手法である, フィロジェy-informed subsamplingを紹介した。 系統的インフォームドサブサンプリング法により,他のサブサンプリング法が失敗する極端なサブサンプリングレベルでの問題解決が可能であることがわかった。 診断実験により, 植物性インフォームドサブサンプリングは, ランダムサブサンプリングと比較して多様性の維持を向上することが示されたが, 選抜方法によって変化する適合勾配を迅速に活用するための選抜方式の能力に対する効果が示唆された。
• 参考スコア（独自算出の注目度）: 42.642008092347986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A phylogeny describes the evolutionary history of an evolving population. Evolutionary search algorithms can perfectly track the ancestry of candidate solutions, illuminating a population's trajectory through the search space. However, phylogenetic analyses are typically limited to post-hoc studies of search performance. We introduce phylogeny-informed subsampling, a new class of subsampling methods that exploit runtime phylogenetic analyses for solving test-based problems. Specifically, we assess two phylogeny-informed subsampling methods -- individualized random subsampling and ancestor-based subsampling -- on three diagnostic problems and ten genetic programming (GP) problems from program synthesis benchmark suites. Overall, we found that phylogeny-informed subsampling methods enable problem-solving success at extreme subsampling levels where other subsampling methods fail. For example, phylogeny-informed subsampling methods more reliably solved program synthesis problems when evaluating just one training case per-individual, per-generation. However, at moderate subsampling levels, phylogeny-informed subsampling generally performed no better than random subsampling on GP problems. Our diagnostic experiments show that phylogeny-informed subsampling improves diversity maintenance relative to random subsampling, but its effects on a selection scheme's capacity to rapidly exploit fitness gradients varied by selection scheme. Continued refinements of phylogeny-informed subsampling techniques offer a promising new direction for scaling up evolutionary systems to handle problems with many expensive-to-evaluate fitness criteria.
• Abstract（参考訳）: 系統学は進化する個体群の進化の歴史を記述する。 進化的探索アルゴリズムは、候補解の祖先を完璧に追跡し、探索空間を通して集団の軌道を照らすことができる。 しかし、系統解析は通常、探索性能のポストホック研究に限られる。 テストベース問題の解決に向け,実行時の系統解析を利用する新しいサブサンプリング手法であるフィロジェニーインフォームドサブサンプリングを導入する。 具体的には、3つの診断問題とプログラム合成ベンチマークスイートから10個の遺伝的プログラミング(gp)問題について、個体別ランダムサブサンプリングと祖先ベースサブサンプリングの2つの系統的インフォーメーションサブサンプリング法を評価した。 全体として,系統的インフォームドサブサンプリング法は,他のサブサンプリング法が失敗する極端なサブサンプリングレベルでの問題解決に成功した。 例えば、系統的インフォームドサブサンプリング法は、各世代ごとのトレーニングケースを1つ評価する場合、プログラム合成問題をより確実に解決する。 しかし, 中程度のサブサンプリングでは, フィロジェニーインフォームドサブサンプリングはGP問題に対するランダムサブサンプリングに匹敵する性能を示した。 診断実験の結果,系統的インフォームドサブサンプリングはランダムサブサンプリングに比べて多様性維持が向上するが,選択計画によって変化する適合度勾配を迅速に活用する選択計画の能力に与える影響が示された。 フィロジェニーインフォームドサブサンプリング技術の継続的な改良は、多くの高価なフィットネス基準で問題に対処するために進化システムをスケールアップするための有望な新しい方向性を提供する。

関連論文リスト

• Subgroup analysis methods for time-to-event outcomes in heterogeneous randomized controlled trials [7.940293148084845]
  非有意なランダム化制御試験は、実験薬に対する優れた応答者のサブグループを隠すことができる。 Githubで公開されているオープンソースのPythonパッケージには、生成プロセスと包括的なベンチマークフレームワークが含まれています。
  論文  参考訳（メタデータ） (2024-01-22T11:00:49Z)
• 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)
• Challenging mitosis detection algorithms: Global labels allow centroid localization [1.7382198387953947]
  ミトコンドリア活性は、異なる種類のがんの診断と予後にとって重要なバイオマーカーである。 本研究では,複雑なシナリオを避けることを提案し,パッチのイメージレベルラベルのみを用いて,ローカライズタスクを弱教師付きで実行する。 TUPAC16データセットで得られた結果は、ひとつのトレーニングフェーズのみを使用して、最先端の手法と競合する。
  論文  参考訳（メタデータ） (2022-11-30T09:52:26Z)
• Adaptive Identification of Populations with Treatment Benefit in Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
  確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。 サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
  論文  参考訳（メタデータ） (2022-08-11T14:27:49Z)
• Stochastic Gradient Descent-Ascent: Unified Theory and New Efficient Methods [73.35353358543507]
  SGDA(Gradient Descent-Ascent)は、min-max最適化と変分不等式問題(VIP)を解くための最も顕著なアルゴリズムの1つである。 本稿では,多種多様な降下指数法を網羅した統合収束解析を提案する。 本研究では,新しい分散化手法 (L-SVRGDA) や,新しい分散圧縮方式 (QSGDA, DIANA-SGDA, VR-DIANA-SGDA) ,座標ランダム化方式 (SEGA-SGDA) など,SGDAの新しい変種を開発した。
  論文  参考訳（メタデータ） (2022-02-15T09:17:39Z)
• Problem-solving benefits of down-sampled lexicase selection [0.20305676256390928]
  ダウンサンプルのレキシケース選択の主な利点は、進化過程が同じ計算予算内でより多くの個人を調べることができるという事実から来ています。 しかし、ダウンサンプリングが役立つ理由は、まだ完全には理解されていない。
  論文  参考訳（メタデータ） (2021-06-10T23:42:09Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。