論文の概要: Multi-Representation Genetic Programming: A Case Study on Tree-based and Linear Representations
- arxiv url: http://arxiv.org/abs/2405.14268v1
- Date: Thu, 23 May 2024 07:47:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-24 18:24:17.563327
- Title: Multi-Representation Genetic Programming: A Case Study on Tree-based and Linear Representations
- Title（参考訳）: 多表現型遺伝的プログラミング:木に基づく表現と線形表現のケーススタディ
- Authors: Zhixing Huang, Yi Mei, Fangfang Zhang, Mengjie Zhang, Wolfgang Banzhaf,
- Abstract要約: 本稿では,ツリーベースおよび線形表現に基づく多表現GPアルゴリズムを提案する。
また,木に基づく表現と線形表現の相互作用を利用するクロス表現演算子を開発した。
実験結果から,基本木に基づく表現と線形表現の学習知識のナビゲートがGPの有効性を向上させることが示唆された。
- 参考スコア（独自算出の注目度）: 4.999866990999739
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing genetic programming (GP) methods are typically designed based on a certain representation, such as tree-based or linear representations. These representations show various pros and cons in different domains. However, due to the complicated relationships among representation and fitness landscapes of GP, it is hard to intuitively determine which GP representation is the most suitable for solving a certain problem. Evolving programs (or models) with multiple representations simultaneously can alternatively search on different fitness landscapes since representations are highly related to the search space that essentially defines the fitness landscape. Fully using the latent synergies among different GP individual representations might be helpful for GP to search for better solutions. However, existing GP literature rarely investigates the simultaneous effective use of evolving multiple representations. To fill this gap, this paper proposes a multi-representation GP algorithm based on tree-based and linear representations, which are two commonly used GP representations. In addition, we develop a new cross-representation crossover operator to harness the interplay between tree-based and linear representations. Empirical results show that navigating the learned knowledge between basic tree-based and linear representations successfully improves the effectiveness of GP with solely tree-based or linear representation in solving symbolic regression and dynamic job shop scheduling problems.
- Abstract（参考訳）: 既存の遺伝的プログラミング(GP)法は通常、木に基づく表現や線形表現のような特定の表現に基づいて設計される。
これらの表現は、異なる領域における様々な長所と短所を示す。
しかし、GPの表現とフィットネスのランドスケープの間の複雑な関係のため、ある問題を解くのにどのGP表現が最も適しているかを直感的に決定することは困難である。
複数の表現を同時に展開するプログラム(またはモデル)は、複数のフィットネスランドスケープを探索することができる。
異なるGP個々表現間の潜在シナジーをフル活用することは、GPがより良い解を探すのに役立つかもしれない。
しかし、既存のGP文献は、複数の表現の進化の同時的有効利用を滅多に調査する。
このギャップを埋めるために,木ベースおよび線形表現に基づく多表現GPアルゴリズムを提案する。
さらに,木に基づく表現と線形表現の相互作用を利用するクロス表現演算子を開発した。
実験結果から,基本木に基づく表現と線形表現の学習知識をナビゲートすることで,記号回帰と動的ジョブショップスケジューリング問題の解法において,単に木に基づく表現や線形表現によるGPの有効性が向上することが示唆された。
関連論文リスト
- A Functional Analysis Approach to Symbolic Regression [0.990319860068191]
記号回帰(SR)はランダム化探索において重要な課題である。
伝統的な遺伝的プログラミング(GP)アルゴリズムは、SRに木に基づく表現を用いる場合、限られた性能を示す。
機能解析から洞察を引き出す新しいSR手法を提案する。
論文 参考訳（メタデータ） (2024-02-09T10:24:47Z) - ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained
Visual Categorization [56.37520969273242]
細かな視覚分類のための新しいアプローチであるViTreeを紹介する。
ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。
このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
論文 参考訳（メタデータ） (2024-01-30T14:32:25Z) - Differentiable Genetic Programming for High-dimensional Symbolic
Regression [13.230237932229052]
シンボリック・レグレッション(SR)は、解釈可能な機械学習(ML)に到達するための効果的な方法と考えられている
遺伝的プログラミング(GP)は、SR問題の解決における支配者となっている。
GP木を高次元SRに向けて構築するための DGP という微分可能な手法を提案する。
論文 参考訳（メタデータ） (2023-04-18T11:39:45Z) - Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。
現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。
本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
論文 参考訳（メタデータ） (2023-02-28T14:01:01Z) - A Multi-scale Graph Signature for Persistence Diagrams based on Return
Probabilities of Random Walks [1.745838188269503]
トポロジ的特徴のロバスト性を高めるために,マルチスケールグラフシグネチャ群の利用について検討する。
このセット入力を処理するためのディープラーニングアーキテクチャを提案する。
ベンチマークグラフ分類データセットの実験により,提案したアーキテクチャは,他の永続的ホモロジーに基づく手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-09-28T17:30:27Z) - On genetic programming representations and fitness functions for
interpretable dimensionality reduction [0.0]
次元減少(DR)はデータ探索と知識発見において重要な技術である。
主要なDR法のほとんどは線形(PCAなど)か、あるいは元のデータとその低次元表現との明示的なマッピングを提供しない。
近年、遺伝子プログラミング(GP)は、シンボル表現の形で解釈可能なDRマッピングの進化に用いられている。
論文 参考訳（メタデータ） (2022-03-01T15:12:17Z) - Dist2Cycle: A Simplicial Neural Network for Homology Localization [66.15805004725809]
単純複体は多方向順序関係を明示的にエンコードするグラフの高次元一般化と見なすことができる。
単体錯体の$k$-homological特徴によってパラメータ化された関数のグラフ畳み込みモデルを提案する。
論文 参考訳（メタデータ） (2021-10-28T14:59:41Z) - Spatial-spectral Hyperspectral Image Classification via Multiple Random
Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。
まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。
次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文 参考訳（メタデータ） (2021-03-25T09:31:41Z) - Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。
新規な構造化融合正規化に基づく一般グラフ推定器を提案する。
提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
論文 参考訳（メタデータ） (2021-03-05T04:42:32Z) - Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。
本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文 参考訳（メタデータ） (2021-01-16T16:18:43Z) - Graph-based State Representation for Deep Reinforcement Learning [1.5901689240516976]
基礎となるマルコフ決定プロセス(MDP)がグラフを表現しているという事実を利用して、このトポロジ情報を有効状態表現学習に組み込むことができる。
近年のグラフ解析タスクにおけるノード表現の成功により,ノード表現学習手法が深部RLにおける基礎となるMDPのトポロジを効果的にエンコードする能力について検討した。
その結果,すべての埋め込み手法が,グリッドワールド環境の一般的な行列表現よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-04-29T05:43:15Z)
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。