論文の概要: On The Nature Of The Phenotype In Tree Genetic Programming

• arxiv url: http://arxiv.org/abs/2402.08011v1
• Date: Mon, 12 Feb 2024 19:19:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-14 17:39:56.976454
• Title: On The Nature Of The Phenotype In Tree Genetic Programming
• Title（参考訳）: 木遺伝プログラミングにおける現象型の性質について
• Authors: Wolfgang Banzhaf, Illya Bakurov
• Abstract要約: ツリーベースGP(TGP)における遺伝子型と表現型の基本概念について論じる。 次に、5つのベンチマークデータセットを使ってその振る舞いを分析する。 表現型を生成するために,GP木から意味的に非効率なコードを取り除くユニークな手法を提案する。
• 参考スコア（独自算出の注目度）: 3.8642945120580703
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this contribution, we discuss the basic concepts of genotypes and phenotypes in tree-based GP (TGP), and then analyze their behavior using five benchmark datasets. We show that TGP exhibits the same behavior that we can observe in other GP representations: At the genotypic level trees show frequently unchecked growth with seemingly ineffective code, but on the phenotypic level, much smaller trees can be observed. To generate phenotypes, we provide a unique technique for removing semantically ineffective code from GP trees. The approach extracts considerably simpler phenotypes while not being limited to local operations in the genotype. We generalize this transformation based on a problem-independent parameter that enables a further simplification of the exact phenotype by coarse-graining to produce approximate phenotypes. The concept of these phenotypes (exact and approximate) allows us to clarify what evolved solutions truly predict, making GP models considered at the phenotypic level much better interpretable.
• Abstract（参考訳）: 本稿では,ツリーベースGP(TGP)における遺伝子型と表現型の基本概念について考察し,その挙動を5つのベンチマークデータセットを用いて解析する。 TGPは、他のGP表現で観察できるのと同じ挙動を示す: 遺伝子型レベルでは、非効率なコードでしばしばチェックされていない成長を示すが、表現型レベルでは、はるかに小さな木が観察できる。 表現型を生成するために,GP木から意味的に非効率なコードを取り除くユニークな手法を提案する。 このアプローチは、遺伝子型の局所操作に限らず、かなり単純な表現型を抽出する。 この変換を問題非依存パラメータに基づいて一般化し, 粗粒化により, 厳密な表現型をさらに単純化し, 近似表現型を生成する。 これらの表現型の概念は、進化した解が真に予測するものを明確にし、表現型レベルで考慮されたGPモデルをずっとよく解釈できる。

関連論文リスト

• A Non-negative VAE:the Generalized Gamma Belief Network [49.970917207211556]
  ガンマ信念ネットワーク(GBN)は、テキストデータ中の多層解釈可能な潜在表現を明らかにする可能性を実証している。 本稿では、一般化ガンマ信念ネットワーク(Generalized GBN)を導入し、元の線形生成モデルをより表現力のある非線形生成モデルに拡張する。 また、潜伏変数の後方分布を近似する上向きのワイブル推論ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-06T18:18:37Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• A Comparative Analysis of Gene Expression Profiling by Statistical and Machine Learning Approaches [1.8954222800767324]
  がん検体を分類する機械学習モデルの生物学的および方法論的限界について論じる。 遺伝子ランキングはこれらのモデルに適応した説明可能性法から得られる。 ブラックボックスニューラルネットワークによって学習された情報は、微分表現の概念と関連している。
  論文  参考訳（メタデータ） (2024-02-01T18:17:36Z)
• 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)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Probabilistic Genotype-Phenotype Maps Reveal Mutational Robustness of RNA Folding, Spin Glasses, and Quantum Circuits [0.0]
  本稿では,各遺伝子型を表現型確率ベクトルにマッピングする確率的遺伝子型フェノタイプマップを紹介する。 本研究では,PrGPマップが様々な物理源から生じる不確実性に対処可能な一般化されたフレームワークを提供することを示す3つのモデルシステムについて検討する。 PrGPロバストネスの挙動に関する解析理論を導出し、この理論が経験的ロバストネスの予測性が高いことを示す。
  論文  参考訳（メタデータ） (2023-01-04T23:09:38Z)
• Phenotype Search Trajectory Networks for Linear Genetic Programming [8.079719491562305]
  中立性(英: Neutrality)は、いくつかの突然変異が表現型変化を起こさないという観察である。 遺伝的プログラミングシステムの探索軌跡をグラフベースモデルとして検討する。 遺伝子型とコルモゴロフ複雑性を含む表現型の特徴を測定した。
  論文  参考訳（メタデータ） (2022-11-15T21:20:50Z)
• Layers, Folds, and Semi-Neuronal Information Processing [0.0]
  我々は、層状表現能力を示すエンボダイドエージェントの一種であるメタ脳モデルを用いている。 この能力を説明する可能性のある2つの候補構造 – 折り畳みと階層化 – に注目します。 本研究は, 生体シミュレーションの文脈において, メタブレイン法がエノキシビズム, ホリズム, 認知処理の研究にどのように役立つか, という議論から締めくくっている。
  論文  参考訳（メタデータ） (2022-07-07T21:47:23Z)
• rfPhen2Gen: A machine learning based association study of brain imaging phenotypes to genotypes [71.1144397510333]
  56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。 アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。 ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
  論文  参考訳（メタデータ） (2022-03-31T20:15:22Z)
• Graph Based Link Prediction between Human Phenotypes and Genes [5.1398743023989555]
  機械学習の分野での最近の進歩は、異常なヒトの表現型と遺伝子間の相互作用を予測するのに効果的である。 本研究では,ヒトの表現型オントロジー(HPO)と遺伝子との関係を予測する枠組みを開発した。 他の4つの方法と比較して、LightGBMはヒトの表現型と遺伝子ペア間のより正確な相互作用やリンクを見つけることができる。
  論文  参考訳（メタデータ） (2021-05-25T14:47:07Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)

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。