論文の概要: An Adaptive Balance Search Based Complementary Heterogeneous Particle Swarm Optimization Architecture
- arxiv url: http://arxiv.org/abs/2412.12694v1
- Date: Tue, 17 Dec 2024 09:11:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-18 14:01:15.089729
- Title: An Adaptive Balance Search Based Complementary Heterogeneous Particle Swarm Optimization Architecture
- Title（参考訳）: A Adaptive Balance Search Based Complementary Heterogeneous Particle Swarm Optimization Architecture
- Authors: Zhenxing Zhang, Tianxian Zhang, Xiangliang Xu, Lingjiang Kong,
- Abstract要約: 適応バランス探索に基づく相補的相補的PSOアーキテクチャを提案する。
我々のアーキテクチャは、初期の進化過程における探索を強調することにより、構築されたベクトルを効果的に活用することを保証する。
- 参考スコア（独自算出の注目度）: 5.456310180687123
- License:
- Abstract: A series of modified cognitive-only particle swarm optimization (PSO) algorithms effectively mitigate premature convergence by constructing distinct vectors for different particles. However, the underutilization of these constructed vectors hampers convergence accuracy. In this paper, an adaptive balance search based complementary heterogeneous PSO architecture is proposed, which consists of a complementary heterogeneous PSO (CHxPSO) framework and an adaptive balance search (ABS) strategy. The CHxPSO framework mainly includes two update channels and two subswarms. Two channels exhibit nearly heterogeneous properties while sharing a common constructed vector. This ensures that one constructed vector is utilized across both heterogeneous update mechanisms. The two subswarms work within their respective channels during the evolutionary process, preventing interference between the two channels. The ABS strategy precisely controls the proportion of particles involved in the evolution in the two channels, and thereby guarantees the flexible utilization of the constructed vectors, based on the evolutionary process and the interactions with the problem's fitness landscape. Together, our architecture ensures the effective utilization of the constructed vectors by emphasizing exploration in the early evolutionary process while exploitation in the later, enhancing the performance of a series of modified cognitive-only PSOs. Extensive experimental results demonstrate the generalization performance of our architecture.
- Abstract（参考訳）: 修正された認知専用粒子群最適化(PSO)アルゴリズムは、異なる粒子に対して異なるベクトルを構築することにより、早期収束を効果的に緩和する。
しかし、これらの構築されたベクトルの未利用化は、収束精度を低下させる。
本稿では、適応バランス探索に基づく相補的異種PSOアーキテクチャを提案し、相補的異種PSO(CHxPSO)フレームワークと適応バランス探索(ABS)戦略からなる。
CHxPSOフレームワークは主に2つの更新チャネルと2つのサブスワームを含んでいる。
2つのチャネルは、共通の構成されたベクトルを共有しながら、ほぼ均一な性質を示す。
これにより、構築されたベクトルが両方の異種更新メカニズムにまたがって利用されることが保証される。
2つのサブスワームは進化過程においてそれぞれのチャネル内で働き、2つのチャネル間の干渉を防ぐ。
ABS戦略は、2つのチャネルの進化に関わる粒子の割合を正確に制御し、それによって、進化過程と問題のフィットネスランドスケープとの相互作用に基づいて、構築されたベクトルの柔軟な利用を保証する。
本アーキテクチャは, 初期の進化過程における探索を重視しつつ, 後期の活用を重視し, 改良された認知のみのPSOの性能を向上させることにより, 構築されたベクトルの有効利用を確実にする。
大規模な実験により,アーキテクチャの一般化性能が示された。
関連論文リスト
- Interlocking-free Selective Rationalization Through Genetic-based Learning [7.504525967508676]
我々は、学習オーバーヘッドを必要としない選択的合理化のための最初のインターロックフリーアーキテクチャであるGenSPPを提案する。
人工的および実世界のベンチマーク実験により、我々のモデルはいくつかの最先端の競合より優れていることが示された。
論文 参考訳（メタデータ） (2024-12-13T17:52:48Z) - Enhancing Blind Source Separation with Dissociative Principal Component Analysis [0.0]
疎主成分分析(sPCA)は、負荷ベクトル(LV)に間隔制約を課すことにより主成分(PC)の解釈可能性を高める
この制限を克服するために、sPCAの解釈可能性の優位性を保ちながら、ソース抽出能力を著しく向上する洗練されたアプローチを提案する。
このアルゴリズムは2つのアルゴリズムからなる: 解離型PCA (DPCA1 と DPCA2)。
論文 参考訳（メタデータ） (2024-11-19T08:24:01Z) - IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint
Multi-Agent Trajectory Prediction [73.25645602768158]
IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。
我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
論文 参考訳（メタデータ） (2023-03-01T15:16:56Z) - Reinforced Genetic Algorithm for Structure-based Drug Design [38.134929249388406]
SBDD(Structure-based drug design)は、疾患関連タンパク質(ターゲット)に結合する分子を見つけることにより、薬物候補を見つけることを目的とした薬物設計である。
本稿では,ニューラルネットワークを用いた遺伝的アルゴリズム(Reinforced Genetic Algorithm, RGA)を提案する。
論文 参考訳（メタデータ） (2022-11-28T22:59:46Z) - Improving Covariance Conditioning of the SVD Meta-layer by Orthogonality [65.67315418971688]
最寄り直交勾配(NOG)と最適学習率(OLR)を提案する。
視覚認識実験は,共分散条件と一般化を同時に改善できることを実証した。
論文 参考訳（メタデータ） (2022-07-05T15:39:29Z) - CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。
提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。
実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
論文 参考訳（メタデータ） (2021-12-31T04:37:11Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳（メタデータ） (2021-07-07T03:57:22Z) - Optimization-Inspired Learning with Architecture Augmentations and
Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。
フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。
低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文 参考訳（メタデータ） (2020-12-10T03:24:53Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - Re-purposing Heterogeneous Generative Ensembles with Evolutionary
Computation [8.198369743955528]
機械学習では、予測器のアンサンブルは多くのタスクに対して単一の予測器よりも優れた結果を示す。
本研究では、2つの進化的アルゴリズムを応用して、再目的生成モデルにアンサンブルを生成する。
MNIST画像ベンチマークの実験解析により、両方のEAアンサンブル生成法がモデルを再使用できることが示されている。
論文 参考訳（メタデータ） (2020-03-30T15:04:40Z)
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。