論文の概要: SAIS: A Novel Bio-Inspired Artificial Immune System Based on Symbiotic Paradigm

• arxiv url: http://arxiv.org/abs/2402.07244v1
• Date: Sun, 11 Feb 2024 16:58:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 16:45:42.374559
• Title: SAIS: A Novel Bio-Inspired Artificial Immune System Based on Symbiotic Paradigm
• Title（参考訳）: SAIS:共生パラダイムに基づく新しいバイオインスパイアされた人工免疫システム
• Authors: Junhao Song, Yingfang Yuan, Wei Pang
• Abstract要約: 共生型人工免疫システム(SAIS)の新しいタイプの人工免疫システム(AIS)を提案する。 SAISは、共生生物探索(SOS)アルゴリズムから更新された3つの重要な段階(相互主義、通勤主義、寄生)と平行している。 我々は一連の実験を行い、SAISが最先端のSOSに匹敵する性能を示した。 私たちは、SAISが新しいバイオインスパイアされた免疫インスパイアされたアルゴリズムとして、共生パラダイムによるバイオインスパイアされたコンピューティングの革新の道を開くと信じている。
• 参考スコア（独自算出の注目度）: 3.5700211721711765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel type of Artificial Immune System (AIS): Symbiotic Artificial Immune Systems (SAIS), drawing inspiration from symbiotic relationships in biology. SAIS parallels the three key stages (i.e., mutualism, commensalism and parasitism) of population updating from the Symbiotic Organisms Search (SOS) algorithm. This parallel approach effectively addresses the challenges of large population size and enhances population diversity in AIS, which traditional AIS and SOS struggle to resolve efficiently. We conducted a series of experiments, which demonstrated that our SAIS achieved comparable performance to the state-of-the-art approach SOS and outperformed other popular AIS approaches and evolutionary algorithms across 26 benchmark problems. Furthermore, we investigated the problem of parameter selection and found that SAIS performs better in handling larger population sizes while requiring fewer generations. Finally, we believe SAIS, as a novel bio-inspired and immune-inspired algorithm, paves the way for innovation in bio-inspired computing with the symbiotic paradigm.
• Abstract（参考訳）: そこで我々は, 共生人工免疫システム(SAIS)の新たなタイプの人工免疫システム(AIS: Artificial Immune System)を提案し, 生物学における共生関係から着想を得た。 SAISは、共生生物探索(SOS)アルゴリズムから更新された3つの重要な段階(相互主義、通勤主義、寄生)と平行している。 この並行的なアプローチは、人口規模が大きくなるという課題に効果的に対処し、従来のAISとSOSが解決に苦しむAISの多様性を高める。 我々は一連の実験を行い、SAISが最先端のSOSに匹敵する性能を達成し、26のベンチマーク問題にまたがる他のAISアプローチや進化的アルゴリズムよりも優れていることを示した。 さらに,パラメータ選択の問題について検討し,SAISがより大規模な個体群を扱えるようにし,世代を減らした。 バイオインスパイアされた、免疫インスパイアされた新しいアルゴリズムであるsaisは、共生パラダイムによるバイオインスパイアされたコンピューティングの革新への道を開くと信じている。

関連論文リスト

• Improving Biomedical Entity Linking with Retrieval-enhanced Learning [53.24726622142558]
  $k$NN-BioELは、トレーニングコーパス全体から同様のインスタンスを予測のヒントとして参照する機能を備えたBioELモデルを提供する。 k$NN-BioELは、いくつかのデータセットで最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-12-15T14:04:23Z)
• 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)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• Stochastic Population Update Can Provably Be Helpful in Multi-Objective Evolutionary Algorithms [25.397640314100144]
  人口更新は多目的進化アルゴリズムの鍵となるコンポーネントである。 人口の更新はMOEAの探索に有用であることを示す。
  論文  参考訳（メタデータ） (2023-06-05T05:54:56Z)
• Non-Elitist Evolutionary Multi-Objective Optimisation: Proof-of-Principle Results [2.5352713493505785]
  エリティズムは、古い人口と新しく生成された解決策から最良の解決策を保存して新しい人口を構築するもので、1990年代後半以来、人口の更新のデフォルトの手段となっている。 我々は、単にエリート主義を捨てることによって、MOEAの人口更新を行うために反対の視点を採っている。 予備実験の結果、NE-MOEAはよく知られたエリート主義者のMOEAと競合できることが示された。
  論文  参考訳（メタデータ） (2023-05-26T12:24:09Z)
• Eco-evolutionary Dynamics of Non-episodic Neuroevolution in Large Multi-agent Environments [0.0]
  環境や人口のリセットを伴わない適応剤を連続的に進化させる手法を提案する。 NEはエポジカルに非エポジカルなマルチエージェント環境で動作し,持続的な集団採餌戦略を見いだせることを示す。
  論文  参考訳（メタデータ） (2023-02-18T13:57:27Z)
• Graph-Based Active Machine Learning Method for Diverse and Novel Antimicrobial Peptides Generation and Selection [57.131117785001194]
  新しいAMP候補の大規模スクリーニングは高価で、時間もかかり、発展途上国では手頃な価格となっている。 本稿では,新しいAMPの設計に必要なウェットラブ実験の数を統計的に最小化する,アクティブ機械学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-18T14:30:48Z)
• The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
  本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。 自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
  論文  参考訳（メタデータ） (2022-01-02T20:14:01Z)
• Ebola Optimization Search Algorithm (EOSA): A new metaheuristic algorithm based on the propagation model of Ebola virus disease [5.482532589225552]
  エボラウイルスとこの病気は、感染、隔離、入院、回復、死亡するサブ集団を中心に、人口をランダムに移動させる傾向がある。 ウイルスを媒介する病気の伝播効果により,新たなバイオインスパイアされた集団最適化アルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2021-06-02T18:41:56Z)
• Host-Pathongen Co-evolution Inspired Algorithm Enables Robust GAN Training [0.0]
  GAN(Generative Adversarial Network)は、互いに訓練されたニューラルネットワークのペアである。 GANは、現実の映画、画像、テキストの印象的な模倣を生み出すことができました。 我々は、より堅牢なGAN訓練アルゴリズムを提案し、より少ない計算力を使用しながら、高品質な画像を生成するための安定性と優れた能力を実証的に示す。
  論文  参考訳（メタデータ） (2020-05-22T09:54:06Z)

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。