論文の概要: A two-stage algorithm in evolutionary product unit neural networks for classification

• arxiv url: http://arxiv.org/abs/2402.06622v1
• Date: Fri, 9 Feb 2024 18:56:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-12 15:38:07.187414
• Title: A two-stage algorithm in evolutionary product unit neural networks for classification
• Title（参考訳）: 進化的積単位ニューラルネットワークの分類のための二段階アルゴリズム
• Authors: Antonio J. Tall\'on-Ballesteros and C\'esar Herv\'as-Mart\'inez
• Abstract要約: 本稿では,進化過程の初期段階において,より広範な多様性を付加する手法を提案する。 異なるパラメータ設定で2つの初期個体群を作成し、少数の世代で進化させ、同じ割合で各個体群から最高の個体群を選択し、それらを組み合わせて新しい初期個体群を構成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a procedure to add broader diversity at the beginning of the evolutionary process. It consists of creating two initial populations with different parameter settings, evolving them for a small number of generations, selecting the best individuals from each population in the same proportion and combining them to constitute a new initial population. At this point the main loop of an evolutionary algorithm is applied to the new population. The results show that our proposal considerably improves both the efficiency of previous methodologies and also, significantly, their efficacy in most of the data sets. We have carried out our experimentation on twelve data sets from the UCI repository and two complex real-world problems which differ in their number of instances, features and classes.
• Abstract（参考訳）: 本稿では,進化過程の開始時に広範な多様性を付加する手法を提案する。 異なるパラメータ設定で2つの初期個体群を作成し、少数の世代で進化させ、同じ割合で各個体群から最高の個体群を選択し、それらを組み合わせて新しい初期個体群を構成する。 この時点では、進化的アルゴリズムの主ループが新しい人口に適用される。 その結果,提案手法は従来手法の効率を著しく向上させるとともに,ほとんどのデータセットにおける有効性も向上することがわかった。 UCIレポジトリの12のデータセットと,そのインスタンス数,特徴量,クラス数が異なる2つの複雑な実世界の問題について実験を行った。

関連論文リスト

• Weighted Diversified Sampling for Efficient Data-Driven Single-Cell Gene-Gene Interaction Discovery [56.622854875204645]
  本稿では,遺伝子・遺伝子相互作用の探索に先進的なトランスフォーマーモデルを活用する,データ駆動型計算ツールを活用した革新的なアプローチを提案する。 新たな重み付き多様化サンプリングアルゴリズムは、データセットのたった2パスで、各データサンプルの多様性スコアを算出する。
  論文  参考訳（メタデータ） (2024-10-21T03:35:23Z)
• Enhancing Diversity in Multi-objective Feature Selection [1.6602942962521352]
  本稿では,遺伝的アルゴリズムNSGA-IIの確立された多目的スキームにおける個体群の多様性の向上について紹介する。 提案する多目的特徴選択法は,12の現実世界の分類問題に対して,2,400から5万近い特徴量で検証を行う。
  論文  参考訳（メタデータ） (2024-07-25T06:09:44Z)
• A Two-stage Evolutionary Framework For Multi-objective Optimization [8.253379910879795]
  多目的最適化のための2段階進化フレームワーク(TEMOF) 1つの古典的MOEAと2つの最先端MOEAがフレームワークに統合され、3つの新しいアルゴリズムが形成される。 3つの新しいアルゴリズムの勝者は、既存のMOEAと比較され、より良い結果を示す。
  論文  参考訳（メタデータ） (2024-07-09T04:14:59Z)
• New Pathways in Coevolutionary Computation [2.402878726843412]
  本稿では,2種類の進化的アルゴリズムを提案する。 1つは、特定の関心の問題を解決するための表現とエンコーディングの両方を発見する協調的共進化アルゴリズムである。 もう一つは、2つの共進化する集団を維持する共進化的共進化アルゴリズムである。
  論文  参考訳（メタデータ） (2024-01-19T06:11:33Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• Gated recurrent units and temporal convolutional network for multilabel classification [122.84638446560663]
  本研究は,マルチラベル分類を管理するための新しいアンサンブル手法を提案する。 提案手法のコアは,Adamグラデーション最適化アプローチの変種で訓練された,ゲート再帰単位と時間畳み込みニューラルネットワークの組み合わせである。
  論文  参考訳（メタデータ） (2021-10-09T00:00:16Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• cMLSGA: A Co-Evolutionary Multi-Level Selection Genetic Algorithm for Multi-Objective Optimization [0.0]
  MLSGA(Multi-Level Selection Genetic Algorithm)は、すでに様々な問題に対して優れた性能を示している。 本稿では,共進化を個人ではなく集団間の競争として定義する,個別の共進化機構を提案する。
  論文  参考訳（メタデータ） (2021-04-22T13:52:21Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• Differential Evolution with Reversible Linear Transformations [8.873449722727026]
  本稿では,3重項解に適用した可逆線形変換を利用して,新しい候補解を生成することを提案する。 言い換えれば、新生個体を適合性を評価することなく利用することで人口を拡大する。
  論文  参考訳（メタデータ） (2020-02-07T16:05:54Z)

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。