論文の概要: Lexicase-based Selection Methods with Down-sampling for Symbolic Regression Problems: Overview and Benchmark
- arxiv url: http://arxiv.org/abs/2407.21632v1
- Date: Wed, 31 Jul 2024 14:26:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-01 17:52:02.748662
- Title: Lexicase-based Selection Methods with Down-sampling for Symbolic Regression Problems: Overview and Benchmark
- Title（参考訳）: シンボリック回帰問題に対するダウンサンプリングを用いた語彙ベース選択法:概要とベンチマーク
- Authors: Alina Geiger, Dominik Sobania, Franz Rothlauf,
- Abstract要約: 本稿では, 広範囲の記号回帰問題に対して, 関連する語彙に基づく選択法と組み合わせて, ランダムかつ情報的なダウンサンプリングを評価する。
評価予算について,エプシロン・レキシケース選択とランダムあるいはインフォメーション・ダウンサンプリングの組み合わせにより,他の手法よりも優れた結果が得られた。
- 参考スコア（独自算出の注目度）: 0.8602553195689513
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, several new lexicase-based selection variants have emerged due to the success of standard lexicase selection in various application domains. For symbolic regression problems, variants that use an epsilon-threshold or batches of training cases, among others, have led to performance improvements. Lately, especially variants that combine lexicase selection and down-sampling strategies have received a lot of attention. This paper evaluates random as well as informed down-sampling in combination with the relevant lexicase-based selection methods on a wide range of symbolic regression problems. In contrast to most work, we not only compare the methods over a given evaluation budget, but also over a given time as time is usually limited in practice. We find that for a given evaluation budget, epsilon-lexicase selection in combination with random or informed down-sampling outperforms all other methods. Only for a rather long running time of 24h, the best performing method is tournament selection in combination with informed down-sampling. If the given running time is very short, lexicase variants using batches of training cases perform best.
- Abstract（参考訳）: 近年,様々なアプリケーション領域におけるレキシケース選択の成功により,いくつかの新しいレキシケース選択変種が出現している。
シンボリック回帰問題では、epsilon-thresholdやトレーニングケースのバッチを使用する変種がパフォーマンス改善につながっている。
近年では、特にレキシケースの選択とダウンサンプリング戦略を組み合わせたバリエーションが注目されている。
本稿では, 広範囲の記号回帰問題に対して, 関連する語彙に基づく選択法と組み合わせて, ランダムかつ情報的なダウンサンプリングを評価する。
ほとんどの作業とは対照的に、特定の評価予算でメソッドを比較するだけでなく、時間的に制限されるため、特定の時間でメソッドを比較します。
評価予算について,エプシロン・レキシケース選択とランダムあるいはインフォメーション・ダウンサンプリングの組み合わせにより,他の手法よりも優れた結果が得られた。
比較的長時間の24時間のみ、最高の演奏方法は、インフォメーション・ダウンサンプリングと組み合わせてトーナメントの選択である。
与えられた実行時間が非常に短い場合、トレーニングケースのバッチを使用したレキシケース変種がベストに動作する。
関連論文リスト
- DALex: Lexicase-like Selection via Diverse Aggregation [6.394522608656896]
DALex(Diversely Aggregated Lexicase)は,レキシケース選択とその緩和された変種に対して,大幅な高速化を実現することを示す。
プログラム合成, 深層学習, 記号回帰, 学習システムの結果から, DALexは語彙選択とその緩和された変種に対して, 大幅な高速化を実現することが示された。
論文 参考訳（メタデータ） (2024-01-23T01:20:15Z) - Towards Free Data Selection with General-Purpose Models [71.92151210413374]
望ましいデータ選択アルゴリズムは、限られたアノテーション予算の有用性を最大化するために、最も情報性の高いサンプルを効率的に選択することができる。
アクティブな学習手法で表現された現在のアプローチは、通常、時間を要するモデルのトレーニングとバッチデータ選択を繰り返し繰り返す、面倒なパイプラインに従う。
FreeSelは重いバッチ選択プロセスをバイパスし、効率を大幅に改善し、既存のアクティブラーニングメソッドよりも530倍高速である。
論文 参考訳（メタデータ） (2023-09-29T15:50:14Z) - Untangling the Effects of Down-Sampling and Selection in Genetic Programming [40.05141985769286]
遺伝的プログラミングシステムは、選択のための候補解の品質を評価するために、しばしば大きなトレーニングセットを使用する。
近年の研究では、ランダム・ダウンサンプリングとインフォメーション・ダウンサンプリングの両方が問題解決の成功を大幅に改善できることが示されている。
論文 参考訳（メタデータ） (2023-04-14T12:21:19Z) - Down-Sampled Epsilon-Lexicase Selection for Real-World Symbolic
Regression Problems [1.8047694351309207]
ダウンサンプリングされたエプシロン-レキシケース選択は、エプシロン-レキシケース選択とランダムサブサンプリングを組み合わせることで、シンボリックレグレッションの領域の性能を向上させる。
その結果, 標準のエプシロン-レキシケース選択と比較して, ダウンサンプルのエプシロン-レキシケース選択により多様性が低下することが判明した。
ダウンサンプリングされたエプシロン-レキシケース選択では,標準的なエプシロン-レキシケース選択と比較して解の質が最大85%向上することが観察された。
論文 参考訳（メタデータ） (2023-02-08T19:36:26Z) - Bilevel Optimization for Feature Selection in the Data-Driven Newsvendor
Problem [8.281391209717105]
本稿では、意思決定者が過去のデータにアクセス可能な機能ベースのニュースベンダー問題について検討する。
そこで本研究では,スパースモデル,説明可能なモデル,およびアウト・オブ・サンプル性能の改善を目的とした特徴選択について検討する。
本稿では,2レベルプログラムに対する混合整数線形プログラムの修正について述べる。
論文 参考訳（メタデータ） (2022-09-12T08:52:26Z) - Lexicase Selection at Scale [5.4968949435821735]
語彙選択(Lexicase selection)は、ランダムにシャッフルされたデータストリームで個々のテストケースを評価する意味認識親選択法である。
語彙選択とそのバリエーションの潜在的な欠点の1つは、選択手順が単一のデータストリームでトレーニングケースを評価する必要があることである。
そこで本研究では,レキシケース選択と重み付きシャッフルを組み合わせた高速レキシケース選択法を提案する。
論文 参考訳（メタデータ） (2022-08-23T03:58:47Z) - UNICON: Combating Label Noise Through Uniform Selection and Contrastive
Learning [89.56465237941013]
UNICONは,高ラベル雑音に対して頑健な,シンプルで効果的なサンプル選択法である。
90%のノイズレートでCIFAR100データセットの最先端データよりも11.4%改善した。
論文 参考訳（メタデータ） (2022-03-28T07:36:36Z) - Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise
Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。
本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。
提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文 参考訳（メタデータ） (2021-10-08T13:51:55Z) - An Investigation of Replay-based Approaches for Continual Learning [79.0660895390689]
連続学習(CL)は機械学習(ML)の大きな課題であり、破滅的忘れ(CF)を伴わずに連続的に複数のタスクを学習する能力を記述する。
いくつかの解クラスが提案されており、その単純さと堅牢性から、いわゆるリプレイベースのアプローチは非常に有望であるように思われる。
連続学習におけるリプレイに基づくアプローチを実証的に検討し,応用の可能性を評価する。
論文 参考訳（メタデータ） (2021-08-15T15:05:02Z) - Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。
局所探索のための政策勾配は、しばしばランダムな摂動から得られる。
目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文 参考訳（メタデータ） (2021-06-22T16:07:02Z) - Bloom Origami Assays: Practical Group Testing [90.2899558237778]
グループテストは、いくつかの魅力的なソリューションでよく研究されている問題である。
近年の生物学的研究は、従来の方法と相容れない新型コロナウイルスの実践的な制約を課している。
我々は,Bloomフィルタと信条伝搬を組み合わせた新しい手法を開発し,n(100以上)の大きい値に拡張し,良好な経験的結果を得る。
論文 参考訳（メタデータ） (2020-07-21T19:31:41Z)
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。