論文の概要: CLPB: Chaotic Learner Performance Based Behaviour

• arxiv url: http://arxiv.org/abs/2407.03324v1
• Date: Thu, 25 Apr 2024 09:30:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 22:18:55.481759
• Title: CLPB: Chaotic Learner Performance Based Behaviour
• Title（参考訳）: CLPB: カオス学習者のパフォーマンスに基づく振る舞い
• Authors: Dona A. Franci, Tarik A. Rashid,
• Abstract要約: 本稿では,10個のカオスマップをLPB内に埋め込むことにより,単一目的LPBの性能を向上させることを目的とする。 提案アルゴリズムは,処理時間(PT)を削減し,グローバル最適に近づき,最適収束速度で局所最適をバイパスする。
• 参考スコア（独自算出の注目度）: 4.939986309170004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an enhanced version of the Learner Performance-based Behavior (LPB), a novel metaheuristic algorithm inspired by the process of accepting high-school students into various departments at the university. The performance of the LPB is not according to the required level. This paper aims to improve the performance of a single objective LPB by embedding ten chaotic maps within LPB to propose Chaotic LPB (CLPB). The proposed algorithm helps in reducing the Processing Time (PT), getting closer to the global optima, and bypassing the local optima with the best convergence speed. Another improvement that has been made in CLPB is that the best individuals of a sub-population are forced into the interior crossover to improve the quality of solutions. CLPB is evaluated against multiple well-known test functions such as classical (TF1_TF19) and (CEC_C06 2019). Additionally, the results have been compared to the standard LPB and several well-known metaheuristic algorithms such as Dragon Fly Algorithm (DA), Genetic Algorithm (GA), and Particle Swarm Optimization (PSO). Finally, the numerical results show that CLPB has been improved with chaotic maps. Furthermore, it is verified that CLPB has a great ability to deal with large optimization problems compared to LPB, GA, DA, and PSO. Overall, Gauss and Tent maps both have a great impact on improving CLPB.
• Abstract（参考訳）: 本稿では,高校生を大学各学部に受け入れるプロセスに触発されたメタヒューリスティックアルゴリズムであるLearner Performance-based Behavior(LPB)の強化版を提案する。 LPBのパフォーマンスは、要求レベルに応じていません。 本稿では,1つの目的LPBの性能向上を目的として,CLPBに10個のカオスマップを埋め込み,CLPB(Chaotic LPB)を提案する。 提案アルゴリズムは,処理時間(PT)を削減し,グローバル最適に近づき,最適収束速度で局所最適をバイパスする。 CLPBでなされたもうひとつの改善は、サブポピュレーションの最高の個人が、ソリューションの品質を改善するために内部のクロスオーバーに強制されることである。 CLPBは、古典的(TF1_TF19)や(CEC_C06 2019)のようなよく知られたテスト機能に対して評価される。 さらに,Dragon Fly Algorithm (DA), Genetic Algorithm (GA), Particle Swarm Optimization (PSO) などのメタヒューリスティックアルゴリズムと比較した。 最後に, CLPBはカオスマップにより改善されていることを示す。 さらに,CLPB は LPB や GA,DA,PSO に比べて大きな最適化問題に対処する能力が高いことが確認された。 全体として、ガウスマップとテントマップはどちらもCLPBの改善に大きな影響を与えている。

関連論文リスト

• Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling [96.47086913559289]
  勾配に基づくアルゴリズムはバイレベル最適化に広く用いられている。 本研究では,より高速な収束率を実現する非置換サンプリングに基づくアルゴリズムを提案する。 合成および実世界の両方のアプリケーションに対してアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2024-11-07T17:05:31Z)
• LP++: A Surprisingly Strong Linear Probe for Few-Shot CLIP [20.86307407685542]
  リニアプローブ(LP)は、数発のCLIP適応の弱いベースラインとしてしばしば報告されている。 本研究では,コンベックス最適化の観点から標準LPベースラインの一般化について検討する。 我々の画像言語目的関数は、これらの非自明な最適化の洞察や成分とともに、驚くほど、競争力の高いCLIPパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2024-04-02T20:23:10Z)
• Poisson Process for Bayesian Optimization [126.51200593377739]
  本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。 従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
  論文  参考訳（メタデータ） (2024-02-05T02:54:50Z)
• LABCAT: Locally adaptive Bayesian optimization using principal-component-aligned trust regions [0.0]
  信頼領域に基づくBOを拡張した LABCAT アルゴリズムを提案する。 このアルゴリズムは、最先端のBOや他のブラックボックス最適化アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-19T13:56:24Z)
• Advancing Model Pruning via Bi-level Optimization [89.88761425199598]
  イテレーティブ・マグニチュード・プルーニング(IMP)は,「入賞券」の発見に成功するプルーニング法である ワンショットプルーニング法が開発されているが、これらのスキームは通常IMPほど勝利のチケットを見つけることができない。 提案手法は,双線形問題構造を持つBLO問題の特別なクラスであることを示す。
  論文  参考訳（メタデータ） (2022-10-08T19:19:29Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• LAB: A Leader-Advocate-Believer Based Optimization Algorithm [9.525324619018983]
  この原稿は、リーダ・アドボケート・ビリーバーに基づく最適化アルゴリズム(LAB)と呼ばれる、社会にインスパイアされた新しいメタヒューリスティック手法を紹介している。 提案アルゴリズムは、グループ内の個人が同時に改善し、役割(リーダ、アドボケート、ベリバー)を確立しながら示すAIベースの競争行動に着想を得たものである。
  論文  参考訳（メタデータ） (2022-04-23T10:58:58Z)
• Provably Faster Algorithms for Bilevel Optimization [54.83583213812667]
  バイレベル最適化は多くの重要な機械学習アプリケーションに広く適用されている。 両レベル最適化のための2つの新しいアルゴリズムを提案する。 両アルゴリズムが$mathcalO(epsilon-1.5)$の複雑さを達成し,既存のアルゴリズムを桁違いに上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-08T21:05:30Z)
• A new evolutionary algorithm: Learner performance based behavior algorithm [1.1802674324027231]
  本稿では,Learner Performance Based Behavior Algorithm (LPB) と呼ばれる新しい進化的アルゴリズムを提案する。 LPBの基本的なインスピレーションは、大学の様々な部署の高校の大学院生を受け入れる過程に端を発する。 提案アルゴリズムの結果は,DA,GA,PSOと比較される。
  論文  参考訳（メタデータ） (2020-09-05T04:17:35Z)
• Implementation Matters in Deep Policy Gradients: A Case Study on PPO and TRPO [90.90009491366273]
  本稿では,2つの一般的なアルゴリズムのケーススタディにより,ディープポリシー勾配アルゴリズムにおけるアルゴリズムの進歩のルーツについて検討する。 具体的には,「コードレベルの最適化」の結果について検討する。 以上の結果から, (a) TRPOに対するPPOの累積報酬のほとんどを担っていることが示され, (b) RL メソッドの動作方法が根本的に変化していることが示唆された。
  論文  参考訳（メタデータ） (2020-05-25T16:24:59Z)
• Cat Swarm Optimization Algorithm -- A Survey and Performance Evaluation [0.9990687944474739]
  Cat Swarm Optimization (CSO)アルゴリズムは、頑健で強力なメタヒューリスティックなSwarmベースの最適化手法である。 本稿では,CSOアルゴリズムの詳細な調査と性能評価を行う。
  論文  参考訳（メタデータ） (2020-01-10T18:18:05Z)

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。