Fugu-MT 論文翻訳(概要): Deep Learning-Based Operators for Evolutionary Algorithms

論文の概要: Deep Learning-Based Operators for Evolutionary Algorithms

arxiv url: http://arxiv.org/abs/2407.10477v1
Date: Mon, 15 Jul 2024 07:05:34 GMT
ステータス: 処理完了
システム内更新日: 2024-07-16 16:10:59.999049
Title: Deep Learning-Based Operators for Evolutionary Algorithms
Title（参考訳）: 進化的アルゴリズムのためのディープラーニングに基づく演算子
Authors: Eliad Shem-Tov, Moshe Sipper, Achiya Elyasaf,
Abstract要約: 本稿では、遺伝的アルゴリズムのクロスオーバー演算子と遺伝的プログラミングの突然変異演算子という、ディープラーニングの能力を利用する2つの新しいドメイン非依存型遺伝演算子を提案する。
参考スコア（独自算出の注目度）: 1.7751300245073598
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present two novel domain-independent genetic operators that harness the capabilities of deep learning: a crossover operator for genetic algorithms and a mutation operator for genetic programming. Deep Neural Crossover leverages the capabilities of deep reinforcement learning and an encoder-decoder architecture to select offspring genes. BERT mutation masks multiple gp-tree nodes and then tries to replace these masks with nodes that will most likely improve the individual's fitness. We show the efficacy of both operators through experimentation.
Abstract（参考訳）: 本稿では、遺伝的アルゴリズムのクロスオーバー演算子と遺伝的プログラミングの突然変異演算子という、ディープラーニングの能力を利用する2つの新しいドメイン非依存型遺伝演算子を提案する。 Deep Neural Crossoverは、深層強化学習とエンコーダ・デコーダアーキテクチャの機能を活用して、子孫遺伝子を選択する。 BERT変異は複数のgp-ツリーノードをマスクし、そのマスクをノードに置き換える。実験を通して両オペレータの有効性を示す。

関連論文リスト

MeGA: Merging Multiple Independently Trained Neural Networks Based on Genetic Algorithm [0.0]
本稿では, 遺伝的アルゴリズムであるMeGAを用いて, 複数の事前学習ニューラルネットワークの重みをマージする新しい手法を提案する。我々のアプローチは、トーナメントの選択、クロスオーバー、突然変異による遺伝的アルゴリズムを利用して重量の組み合わせを最適化し、より効果的な融合を生み出す。
論文参考訳（メタデータ） (2024-06-07T03:31:58Z)
Deep Neural Crossover [1.9950682531209156]
我々は、Deep Neural Crossover'(DNC)と呼ばれる、遺伝的アルゴリズム(GA)における新しいマルチペアクロスオーバー演算子を提案する。親遺伝子をランダムに選別する従来のGAクロスオーバー演算子とは異なり、DNCは深層強化学習(DRL)とエンコーダ・デコーダアーキテクチャ(encoder-decoder architecture)の能力を利用して遺伝子を選択する。 DNCはドメイン非依存であり、他の問題領域にも容易に適用できる。
論文参考訳（メタデータ） (2024-03-17T09:50:20Z)
Genetic heterogeneity analysis using genetic algorithm and network science [2.6166087473624318]
ゲノムワイド・アソシエーション(GWAS)は、疾患に感受性のある遺伝的変数を同定することができる。遺伝的効果に絡み合った遺伝的変数は、しばしば低い効果サイズを示す。本稿では,FCSNet(Feature Co-Selection Network)という,GWASのための新しい特徴選択機構を提案する。
論文参考訳（メタデータ） (2023-08-12T01:28:26Z)
Permutation Equivariant Neural Functionals [92.0667671999604]
この研究は、他のニューラルネットワークの重みや勾配を処理できるニューラルネットワークの設計を研究する。隠れた層状ニューロンには固有の順序がないため, 深いフィードフォワードネットワークの重みに生じる置換対称性に着目する。実験の結果, 置換同変ニューラル関数は多種多様なタスクに対して有効であることがわかった。
論文参考訳（メタデータ） (2023-02-27T18:52:38Z)
DeepProphet2 -- A Deep Learning Gene Recommendation Engine [0.0]
人工知能(AI)による遺伝子レコメンデーションの可能性について論じる。トランスフォーマーベースのモデルは、よく計算された無償の紙製コーパスPubMedで訓練されている。ユースケースのセットは、実際の単語設定におけるアルゴリズムの潜在的な応用を示している。
論文参考訳（メタデータ） (2022-08-03T08:54:13Z)
Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文参考訳（メタデータ） (2021-11-05T02:54:06Z)
Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文参考訳（メタデータ） (2021-04-12T12:45:16Z)
Exploiting Heterogeneity in Operational Neural Networks by Synaptic Plasticity [87.32169414230822]
最近提案されたネットワークモデルであるオペレーショナルニューラルネットワーク(ONN)は、従来の畳み込みニューラルネットワーク(CNN)を一般化することができる。本研究では, 生体ニューロンにおける本質的な学習理論を示すSynaptic Plasticityパラダイムに基づいて, ネットワークの隠蔽ニューロンに対する最強演算子集合の探索に焦点をあてる。高難易度問題に対する実験結果から、神経細胞や層が少なくても、GISベースのONNよりも優れた学習性能が得られることが示された。
論文参考訳（メタデータ） (2020-08-21T19:03:23Z)
Self-Organized Operational Neural Networks with Generative Neurons [87.32169414230822]
ONNは、任意の非線型作用素をカプセル化できる一般化されたニューロンモデルを持つ異種ネットワークである。我々は,各接続の結節演算子を適応(最適化)できる生成ニューロンを有する自己組織型ONN(Self-ONNs)を提案する。
論文参考訳（メタデータ） (2020-04-24T14:37:56Z)
New mechanism of combination crossover operators in genetic algorithm for solving the traveling salesman problem [2.578242050187029]
TSPを解くための遺伝的アルゴリズムにおいて、2つの新しいクロスオーバー演算子と2つのクロスオーバー演算子の組み合わせ機構を提案する。実験の結果,提案アルゴリズムは,MSCX を用いた遺伝的アルゴリズム(GA)よりも,平均コストの最小値の方が優れていることがわかった。
論文参考訳（メタデータ） (2020-01-14T13:20:44Z)
Alpha Discovery Neural Network based on Prior Knowledge [55.65102700986668]
遺伝的プログラミング(GP)は、金融自動化機能構築タスクにおける最先端技術である。本稿では,分散金融技術指標の自動構築が可能なニューラルネットワーク構造であるAlpha Discovery Neural Network (ADNN)を提案する。
論文参考訳（メタデータ） (2019-12-26T03:10:17Z)

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。