論文の概要: CGP++ : A Modern C++ Implementation of Cartesian Genetic Programming

• arxiv url: http://arxiv.org/abs/2406.09038v1
• Date: Thu, 13 Jun 2024 12:22:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-14 18:15:03.606287
• Title: CGP++ : A Modern C++ Implementation of Cartesian Genetic Programming
• Title（参考訳）: CGP++ : カルテシアン遺伝的プログラミングの最新のC++実装
• Authors: Roman Kalkreuth, Thomas Baeck,
• Abstract要約: カルテシアン遺伝プログラミング(CGP)の参照実装はC言語で記述された。 本稿では,オブジェクト指向設計と汎用プログラミングパラダイムを追求するCGPのC++実装を初めて提案する。
• 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 reference implementation of Cartesian Genetic Programming (CGP) was written in the C programming language. C inherently follows a procedural programming paradigm, which entails challenges in providing a reusable and scalable implementation model for complex structures and methods. Moreover, due to the limiting factors of C, the reference implementation of CGP does not provide a generic framework and is therefore restricted to a set of predefined evaluation types. Besides the reference implementation, we also observe that other existing implementations are limited with respect to the features provided. In this work, we therefore propose the first version of a modern C++ implementation of CGP that pursues object-oriented design and generic programming paradigm to provide an efficient implementation model that can facilitate the discovery of new problem domains and the implementation of complex advanced methods that have been proposed for CGP over time. With the proposal of our new implementation, we aim to generally promote interpretability, accessibility and reproducibility in the field of CGP.
• Abstract（参考訳）: カルテシアン遺伝プログラミング(CGP)の参照実装はC言語で記述された。 C言語は本質的に手続き型プログラミングパラダイムに従っており、複雑な構造やメソッドに対して再利用可能なスケーラブルな実装モデルを提供する上での課題を伴っている。 さらに、C の制限要因のため、CGP の参照実装は汎用的なフレームワークを提供しておらず、したがって事前定義された評価型のセットに制限される。 参照実装の他に、提供される機能に関して、既存の実装が制限されていることも観察します。 そこで本研究では,オブジェクト指向設計と汎用プログラミングパラダイムを追求したCGPのC++実装の最初のバージョンを提案する。 我々は,新しい実装の提案により,CGP分野における解釈可能性,アクセシビリティ,再現性を全般的に促進することを目指している。

関連論文リスト

• Last-Iterate Global Convergence of Policy Gradients for Constrained Reinforcement Learning [62.81324245896717]
  我々はC-PGと呼ばれる探索非依存のアルゴリズムを導入し、このアルゴリズムは(弱)勾配支配仮定の下でのグローバルな最終点収束を保証する。 制約付き制御問題に対して,我々のアルゴリズムを数値的に検証し,それらを最先端のベースラインと比較する。
  論文  参考訳（メタデータ） (2024-07-15T14:54:57Z)
• Novelty and Lifted Helpful Actions in Generalized Planning [14.513354207511151]
  本稿では,計画プログラムに関する新規性を計算するアクションノベルティランクの概念を紹介する。 本稿では,新たな計画計画プログラムを創発する新規性に基づく一般化計画解法を提案する。
  論文  参考訳（メタデータ） (2023-07-03T03:44:12Z)
• Solving Novel Program Synthesis Problems with Genetic Programming using Parametric Polymorphism [0.0]
  Code-build Genetic Programming (CBGP) は、スタックベースのコンパイルと形式型システムを用いて、線形ゲノムからタイプセーフなプログラムをコンパイルする。 CBGPは、これらの性質の全てで問題を解くことができ、そこでは、我々が知っている他のすべてのGP系が、これらの性質の問題を考慮できないような制限を持っている。
  論文  参考訳（メタデータ） (2023-06-08T00:10:07Z)
• Harmonizing Base and Novel Classes: A Class-Contrastive Approach for Generalized Few-Shot Segmentation [78.74340676536441]
  本稿では,プロトタイプの更新を規制し,プロトタイプ間の距離を広くするために,クラス間のコントラスト損失とクラス関係損失を提案する。 提案手法は,PASCAL VOC および MS COCO データセット上での一般化された小ショットセグメンテーションタスクに対して,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-24T00:30:25Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• A General Framework for Sample-Efficient Function Approximation in Reinforcement Learning [132.45959478064736]
  モデルベースとモデルフリー強化学習を統合した汎用フレームワークを提案する。 最適化に基づく探索のための分解可能な構造特性を持つ新しい推定関数を提案する。 本フレームワークでは,OPERA (Optimization-based Exploration with Approximation) という新しいサンプル効率アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-30T17:59:16Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• Representation and Synthesis of C++ Programs for Generalized Planning [2.752817022620644]
  本稿では,GP(Generalized Planning)問題とその解決策をC++プログラムとして紹介する。 私たちのC++表現は、一般化された計画の終了を正式に証明し、その複雑さをw.r.tで指定することを可能にする。 C++一般化計画の複雑さを特徴づけることにより、複雑性の順に可能なGPソリューションの空間を列挙する探索の応用が可能になる。
  論文  参考訳（メタデータ） (2022-06-29T09:13:21Z)
• Functional Code Building Genetic Programming [0.0]
  Code Building Genetic Programming (CBGP)は、最近導入された汎用プログラム合成のためのGP法である。 関数型プログラミング言語とHendley-Milner型システムは,型安全性プログラムの進化に有効であることを示す。
  論文  参考訳（メタデータ） (2022-06-09T15:22:33Z)
• Revisiting GANs by Best-Response Constraint: Perspective, Methodology, and Application [49.66088514485446]
  ベストレスポンス制約(Best-Response Constraint、BRC)は、ジェネレータのディスクリミネータへの依存性を明示的に定式化する一般的な学習フレームワークである。 モチベーションや定式化の相違があっても, フレキシブルBRC法により, 様々なGANが一様に改善できることが示される。
  論文  参考訳（メタデータ） (2022-05-20T12:42:41Z)
• Code Building Genetic Programming [0.0]
  我々は、コード構築遺伝プログラミング(CBGP)を、これを実現するためのフレームワークとして紹介する。 CBGPは、ホスト言語のソースコードに実行または変換できる計算グラフを生成する。
  論文  参考訳（メタデータ） (2020-08-09T04:33:04Z)

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。