論文の概要: Evolutionary Automata and Deep Evolutionary Computation

• arxiv url: http://arxiv.org/abs/2411.15008v1
• Date: Fri, 22 Nov 2024 15:31:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 15:04:35.261071
• Title: Evolutionary Automata and Deep Evolutionary Computation
• Title（参考訳）: 進化的オートマタと深部進化的計算
• Authors: Eugene Eberbach,
• Abstract要約: 進化的オートマトン(英: Evolution Automaticon)とは、進化的計算を無限世代で行う自動機械である。 これはまた、環境との対話的なフィードバックによって自己進化する自然進化の力のヒントを与える。
• 参考スコア（独自算出の注目度）: 0.38073142980732994
• License:
• Abstract: Evolution by natural selection, which is one of the most compelling themes of modern science, brought forth evolutionary algorithms and evolutionary computation, applying mechanisms of evolution in nature to various problems solved by computers. In this paper we concentrate on evolutionary automata that constitute an analogous model of evolutionary computation compared to well-known evolutionary algorithms. Evolutionary automata provide a more complete dual model of evolutionary computation, similar like abstract automata (e.g., Turing machines) form a more formal and precise model compared to recursive algorithms and their subset - evolutionary algorithms. An evolutionary automaton is an automaton that evolves performing evolutionary computation perhaps using an infinite number of generations. This model allows for a direct modeling evolution of evolution, and leads to tremendous expressiveness of evolutionary automata and evolutionary computation. This also gives the hint to the power of natural evolution that is self-evolving by interactive feedback with the environment.
• Abstract（参考訳）: 自然選択による進化は、現代科学の最も魅力的なテーマの1つであり、進化アルゴリズムと進化計算をもたらし、コンピュータによって解決された様々な問題に自然の進化のメカニズムを適用した。 本稿では、よく知られた進化アルゴリズムと比較して、進化計算の類似モデルを構成する進化オートマトンに焦点を当てる。 進化的オートマトンは、抽象的オートマトン(例えばチューリングマシン)のような進化的計算のより完全な双対モデルを提供し、再帰的アルゴリズムとそのサブセットである進化的アルゴリズムと比較して、より形式的で正確なモデルを形成する。 進化的オートマトン(英: Evolution Automaticon)とは、進化的計算を無限世代で行う自動機械である。 このモデルは進化の直接的なモデリング進化を可能にし、進化的オートマトンと進化的計算の膨大な表現性をもたらす。 これはまた、環境との対話的なフィードバックによって自己進化する自然進化の力のヒントを与える。

関連論文リスト

• When large language models meet evolutionary algorithms [48.213640761641926]
  事前訓練された大規模言語モデル(LLM)は、創造的な自然言語を生成する強力な能力を持つ。 進化的アルゴリズム(EA)は、複雑な現実世界の問題に対する多様な解決策を発見できる。 テキスト生成と進化の共通する集合性と方向性に動機づけられた本論文では,LLMとEAの並列性について述べる。
  論文  参考訳（メタデータ） (2024-01-19T05:58:30Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Role of Morphogenetic Competency on Evolution [0.0]
  進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。 我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。 我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
  論文  参考訳（メタデータ） (2023-10-13T11:58:18Z)
• Complex Evolutional Pattern Learning for Temporal Knowledge Graph Reasoning [60.94357727688448]
  TKG推論は、歴史的KG配列を考えると、将来の潜在的な事実を予測することを目的としている。 進化のパターンは、長さの多様性と時間変化の2つの側面において複雑である。 本稿では,CEN(Complex Evolutional Network)と呼ばれる新しいモデルを提案する。CNN(Convolutional Neural Network)を用いて,長さの異なる進化パターンを扱う。
  論文  参考訳（メタデータ） (2022-03-15T11:02:55Z)
• Evolving Evolutionary Algorithms with Patterns [0.0]
  このモデルは、MEP(Multi Expression Programming)技術に基づいている。 関数最適化のためのいくつかの進化的アルゴリズムは、考慮されたモデルを用いて進化する。
  論文  参考訳（メタデータ） (2021-10-10T16:26:20Z)
• Epigenetic opportunities for Evolutionary Computation [0.0]
  進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。 遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。 本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
  論文  参考訳（メタデータ） (2021-08-10T09:44:53Z)
• 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)
• Embodied Intelligence via Learning and Evolution [92.26791530545479]
  環境の複雑さが形態学的知能の進化を促進することを示す。 また、進化は速く学習する形態を素早く選択することを示した。 我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
  論文  参考訳（メタデータ） (2021-02-03T18:58:31Z)
• Evolving the Behavior of Machines: From Micro to Macroevolution [4.061135251278186]
  進化はコンピュータ科学者にコンピューティングの出現からインスピレーションを与えてきた。 これにより、マシンの複雑なニューラルネットワークを進化させるツールが生まれました。 現代における人工進化の見解は、電場をマイクロ進化からマクロ進化へと遠ざけつつある。
  論文  参考訳（メタデータ） (2020-12-21T21:35:15Z)
• Mimicking Evolution with Reinforcement Learning [10.35437633064506]
  人工的な人間のような知性を発達させる道は、自然のシミュレーションで進化の過程を模倣することでもたらされると我々は主張する。 この研究は、進化的リワード(EvER)を通じて進化的リワード(Evolutionary Reward)を提案する。
  論文  参考訳（メタデータ） (2020-03-31T18:16:53Z)

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。