論文の概要: Evolution-based Feature Selection for Predicting Dissolved Oxygen Concentrations in Lakes

• arxiv url: http://arxiv.org/abs/2403.18923v2
• Date: Tue, 29 Oct 2024 19:55:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:25:43.545002
• Title: Evolution-based Feature Selection for Predicting Dissolved Oxygen Concentrations in Lakes
• Title（参考訳）: 湖沼における溶存酸素濃度予測のための進化的特徴選択
• Authors: Runlong Yu, Robert Ladwig, Xiang Xu, Peijun Zhu, Paul C. Hanson, Yiqun Xie, Xiaowei Jia,
• Abstract要約: 本稿では,複雑な特徴間相互作用選択問題に対する新しい進化アルゴリズムであるMCESを提案する。 中西部の様々な湖で評価され、MCESは観測されたラベルがほとんどない正確な予測を常に生成している。
• 参考スコア（独自算出の注目度）: 14.712746743443603
• License:
• Abstract: Accurate prediction of dissolved oxygen (DO) concentrations in lakes requires a comprehensive study of phenological patterns across ecosystems, highlighting the need for precise selection of interactions amongst external factors and internal physical-chemical-biological variables. This paper presents the Multi-population Cognitive Evolutionary Search (MCES), a novel evolutionary algorithm for complex feature interaction selection problems. MCES allows models within every population to evolve adaptively, selecting relevant feature interactions for different lake types and tasks. Evaluated on diverse lakes in the Midwestern USA, MCES not only consistently produces accurate predictions with few observed labels but also, through gene maps of models, reveals sophisticated phenological patterns of different lake types, embodying the innovative concept of "AI from nature, for nature".
• Abstract（参考訳）: 湖沼における溶存酸素(DO)濃度の正確な予測には、生態系全体にわたる現象学的パターンの包括的な研究が必要である。 本稿では,複雑な特徴間相互作用選択問題に対する新しい進化アルゴリズムであるMCESを提案する。 MCESにより、各人口内のモデルが適応的に進化し、異なるレイクタイプとタスクに関する関連する機能インタラクションを選択することができる。 中西部の様々な湖で評価され、MCESは観測されたラベルの少ない正確な予測を一貫して生成するだけでなく、モデルの遺伝子マップを通して、異なる湖型の洗練された表現学的パターンを明らかにし、「自然から自然へAI」という革新的な概念を具現化している。

関連論文リスト

• Evolutionary Dispersal of Ecological Species via Multi-Agent Deep Reinforcement Learning [0.0]
  本研究は,多エージェント強化学習(MARL)と深度Q-networks(DQN)を用いて,単一種と捕食者-捕食者の相互作用をシミュレートする。 我々のシミュレーションでは、進化的分散戦略を明らかにし、種分散機構の洞察を与え、伝統的な数学的モデルを検証する。
  論文  参考訳（メタデータ） (2024-10-24T10:21:23Z)
• Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
  自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。 特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。 本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T20:05:31Z)
• Hierarchical Conditioning of Diffusion Models Using Tree-of-Life for Studying Species Evolution [19.899467048643363]
  階層型埋め込み(HIER-Embeds)で表される系統的知識を持つ拡散モデルを条件付けるフレームワークであるPhylo-Diffusionを紹介する。 また,Phylo-Diffusionの埋め込み空間を摂動する2つの新しい実験を提案する。 私たちの研究は、生成モデルを用いて画像から直接進化的変化を可視化することで、進化生物学の新しい章も開きます。
  論文  参考訳（メタデータ） (2024-07-31T21:06:14Z)
• Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
  Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-05-29T02:35:23Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• On Evolvability and Behavior Landscapes in Neuroevolutionary Divergent Search [0.0]
  進化性(Evolvability)とは、個々の遺伝子型が相互に多様な表現型を持つ子孫を産み出す能力である。 近年の研究では、発散探索法が選択的圧力を暗黙的に生成することで、進化性を促進することが示されている。 本稿では,神経進化的分岐探索と進化可能性の関係について,新しい視点を提供する。
  論文  参考訳（メタデータ） (2023-06-16T13:46:55Z)
• 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)
• Biophysical Cybernetics of Directed Evolution and Eco-evolutionary Dynamics [0.0]
  我々は、生態学と個々の遺伝子型/フェノタイプの両方の複雑さをマップする双対性を導入する。 我々は、部分的に観察可能なマルコフ決定プロセスという形で「直接進化」の問題に対処する。 これは、非常に一般的なタイプのエコ進化軌道を研究するという、難解なケースを提供する。
  論文  参考訳（メタデータ） (2023-05-05T07:45:28Z)
• Composite Feature Selection using Deep Ensembles [130.72015919510605]
  本研究では,事前定義されたグループ化を伴わない予測的特徴群発見の問題について検討する。 本稿では,特徴選択モデルのアンサンブルを用いて予測グループを探索する,新しいディープラーニングアーキテクチャを提案する。 発見群と基底真理の類似性を測定するための新しい尺度を提案する。
  論文  参考訳（メタデータ） (2022-11-01T17:49:40Z)
• 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。