論文の概要: An Analysis of the Preferences of Distribution Indicators in Evolutionary Multi-Objective Optimization
- arxiv url: http://arxiv.org/abs/2403.14838v1
- Date: Thu, 21 Mar 2024 21:17:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 19:06:46.535814
- Title: An Analysis of the Preferences of Distribution Indicators in Evolutionary Multi-Objective Optimization
- Title（参考訳）: 進化的多目的最適化における分布指標の優先性の解析
- Authors: Jesús Guillermo Falcón-Cardona, Mahboubeh Nezhadmoghaddam, Emilio Bernal-Zubieta,
- Abstract要約: 本稿では、分布指標(DI)を分類するための分類法と、分類のカテゴリを表す9つのDIの選好分析を紹介する。
制御されたシナリオ下で様々なPFAを考慮すると、いくつかのDIが誤解を招く可能性があり、慎重な使用が必要であることが明らかになる。
生物多様性とポテンシャルエネルギーに基づくDIは、多目的アルゴリズムのPFA評価と比較を約束する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The distribution of objective vectors in a Pareto Front Approximation (PFA) is crucial for representing the associated manifold accurately. Distribution Indicators (DIs) assess the distribution of a PFA numerically, utilizing concepts like distance calculation, Biodiversity, Entropy, Potential Energy, or Clustering. Despite the diversity of DIs, their strengths and weaknesses across assessment scenarios are not well-understood. This paper introduces a taxonomy for classifying DIs, followed by a preference analysis of nine DIs, each representing a category in the taxonomy. Experimental results, considering various PFAs under controlled scenarios (loss of coverage, loss of uniformity, pathological distributions), reveal that some DIs can be misleading and need cautious use. Additionally, DIs based on Biodiversity and Potential Energy show promise for PFA evaluation and comparison of Multi-Objective Evolutionary Algorithms.
- Abstract（参考訳）: パレートフロント近似(PFA)における対象ベクトルの分布は、関連する多様体を正確に表現するために重要である。
分布指標(DI)は、距離計算、生物多様性、エントロピー、ポテンシャルエネルギー、クラスタリングといった概念を利用して、PFAの分布を数値的に評価する。
DIの多様性にもかかわらず、評価シナリオ間の長所と短所は十分に理解されていない。
本稿では,DI分類のための分類法を紹介し,9つのDIの選好分析を行い,それぞれが分類のカテゴリを表す。
制御シナリオ下での様々なPFA(カバレッジの欠如、均一性の喪失、病理分布)を考慮すると、いくつかのDIが誤解を招く可能性があり、慎重な使用が必要であることが判明した。
さらに、生物多様性とポテンシャルエネルギーに基づくDIは、多目的進化アルゴリズムのPFA評価と比較を約束する。
関連論文リスト
- A Unifying Information-theoretic Perspective on Evaluating Generative Models [5.524685807042777]
最近のいくつかのアプローチでは、分類領域から借用された「精度」と「リコール」を利用して、出力の忠実度(リアリズム)と出力の多様性(実データ変動の表現)を個別に定量化している。
我々は、kNN密度推定のアプローチを用いて、kth-nearest-neighbors(kNN)ベースのメトリクスのクラスを情報理論レンズの下に統一する。
高精度クロスエントロピー(PCE)、リコールクロスエントロピー(RCE)、リコールエントロピー(RE)からなる3次元計量を提案する。
論文 参考訳（メタデータ） (2024-12-18T21:17:02Z) - Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian
Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。
本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文 参考訳（メタデータ） (2024-03-03T23:15:48Z) - Kernel Density Estimation for Multiclass Quantification [52.419589623702336]
量子化は、クラス有病率の正確な予測値を取得することに関する教師付き機械学習タスクである。
分散マッチング(DM)アプローチは、これまでの文献で提案されている定量化手法の中で、最も重要なファミリーの1つである。
カーネル密度推定(KDE)によりモデル化した多変量密度に基づく新しい表現機構を提案する。
論文 参考訳（メタデータ） (2023-12-31T13:19:27Z) - KL Divergence Estimation with Multi-group Attribution [25.7757954754825]
Kullback-Leibler (KL) の2つの分布間のばらつきを推定することは、機械学習と情報理論においてよく研究されている。
マルチグループフェアネスを考慮し、サブ人口の寄与を正確に反映したKL分散推定を求める。
論文 参考訳（メタデータ） (2022-02-28T06:54:10Z) - Pseudo-Spherical Contrastive Divergence [119.28384561517292]
エネルギーベースモデルの最大学習確率を一般化するために,擬球面コントラスト分散(PS-CD)を提案する。
PS-CDは難解な分割関数を避け、学習目的の一般化されたファミリーを提供する。
論文 参考訳（メタデータ） (2021-11-01T09:17:15Z) - Personalized Trajectory Prediction via Distribution Discrimination [78.69458579657189]
トラリミー予測は将来の力学のマルチモーダルな性質を捉えるジレンマと対立する。
本研究では,パーソナライズされた動作パターンを予測するDisDisDis(Disdis)手法を提案する。
本手法は,プラグイン・アンド・プレイモジュールとして既存のマルチモーダル予測モデルと統合することができる。
論文 参考訳（メタデータ） (2021-07-29T17:42:12Z) - AI Giving Back to Statistics? Discovery of the Coordinate System of
Univariate Distributions by Beta Variational Autoencoder [0.0]
本稿では、単変量経験分布を分類し、累積分布関数(CDF)の入力に基づいて2次元の潜伏空間で表現するためのニューラルネットワークのトレーニング経験について論じる。
潜在2次元座標系上の表現は、CDFの形状、基礎となる理論分布とそのパラメータの分類確率、情報エントロピー、歪みなど、重要な分布特性を乱す実世界のデータの付加メタデータと見なすことができる。
論文 参考訳（メタデータ） (2020-04-06T14:11:13Z) - Variational Inference for Deep Probabilistic Canonical Correlation
Analysis [49.36636239154184]
線形多視点層と深層生成ネットワークを観測モデルとして構成した深部確率的多視点モデルを提案する。
潜在確率多視点層の後方分布を近似した効率的な変分推論法を開発した。
任意の数のビューを持つモデルへの一般化も提案されている。
論文 参考訳（メタデータ） (2020-03-09T17:51:15Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳（メタデータ） (2020-02-17T19:23:36Z)
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。