論文の概要: Regionalized Metric Framework: A Novel Approach for Evaluating Multimodal Multi-Objective Optimization Algorithms
- arxiv url: http://arxiv.org/abs/2506.00468v1
- Date: Sat, 31 May 2025 08:36:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 01:42:09.192236
- Title: Regionalized Metric Framework: A Novel Approach for Evaluating Multimodal Multi-Objective Optimization Algorithms
- Title（参考訳）: Regionalized Metric Framework: マルチモーダル多目的最適化アルゴリズム評価のための新しいアプローチ
- Authors: Jintai Chen, Fangqing Liu, Xueming Yan, Han Huang,
- Abstract要約: 本研究では,地域化メトリック・フレームワークに基づく評価指標を提案する。
アルゴリズムは評価対象の解の集合を3つの領域に分割し、各領域のユニークなスコアリング関数に従って各解を評価する。
- 参考スコア（独自算出の注目度）: 11.848588480889607
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study aims to optimize the evaluation metric of multimodal multi-objective optimization problems using a Regionalized Metric Framework, which provides a certain boost to research in this field. Existing evaluation metrics usually use the reference set as the evaluation basis, which inevitably leads to reference set dependence. To optimize this problem, this study proposes an evaluation metric based on a Regionalized Metric Framework. The algorithm divides the set of solutions to be evaluated into three regions, and evaluates each solution according to a unique scoring function for each region, which is combined to form the evaluation value of the solution set. To verify the feasibility of this method, a comparative experiment was conducted in this study. The results of the experiment are roughly the same as the trend of existing indicators, and at the same time, it can accurately judge the advantages and disadvantages of points equidistant from the reference set. Our method provides a new perspective for further research on evaluation metrics for multimodal multi-objective optimization algorithms.
- Abstract（参考訳）: 本研究は,多目的多目的最適化問題の評価基準を地域化メトリクスフレームワークを用いて最適化することを目的としている。
既存の評価指標は、通常、基準セットを評価ベースとして使用し、必然的に基準セット依存につながる。
そこで本研究では,地域化メトリック・フレームワークに基づく評価指標を提案する。
アルゴリズムは評価対象の解の集合を3つの領域に分割し、各領域のユニークなスコアリング関数に従って各解を評価し、組み合わせて解集合の評価値を形成する。
本手法の有効性を検証するため,本研究では比較実験を行った。
実験結果は既存の指標の傾向とほぼ同じであり、同時に基準集合から同値な点の利点と欠点を正確に判断することができる。
提案手法は,マルチモーダル多目的最適化アルゴリズムの評価指標について,さらなる研究を行うための新たな視点を提供する。
関連論文リスト
- A Novel Pareto-optimal Ranking Method for Comparing Multi-objective Optimization Algorithms [2.889178722750616]
本稿では,多目的最適化アルゴリズムの性能をランク付けする,新しいマルチメトリック比較手法を提案する。
パレートレベルでの貢献に基づいてアルゴリズムをランク付けする4つの異なる手法が提案されている。
この技術は科学と工学に広く応用されており、特に比較に複数のメトリクスが使用される分野において応用されている。
論文 参考訳（メタデータ） (2024-11-27T02:34:54Z) - Absolute Ranking: An Essential Normalization for Benchmarking Optimization Algorithms [0.0]
多くの問題における最適化アルゴリズムの性能評価は,数値スケールの多様性が原因で複雑な問題となる。
本稿では,この問題を広範囲に検討し,根本原因の根本原因を徹底的に解析する上で説得力のある事例を提示する。
本研究では,「絶対ランク付け」と呼ばれる新しい数学的モデルとサンプリングに基づく計算手法を提案する。
論文 参考訳（メタデータ） (2024-09-06T00:55:03Z) - FSDEM: Feature Selection Dynamic Evaluation Metric [1.54369283425087]
提案手法は,特徴選択アルゴリズムの性能と安定性の両方を評価できる2つの特性を持つ動的計量である。
本研究では,提案手法を用いて特徴選択アルゴリズムの評価に成功した経験的実験を行った。
論文 参考訳（メタデータ） (2024-08-26T12:49:41Z) - Are we making progress in unlearning? Findings from the first NeurIPS unlearning competition [70.60872754129832]
アンラーニングに関する最初のNeurIPSコンペティションは、新しいアルゴリズムの開発を刺激しようとした。
世界中から約1200チームが参加した。
トップソリューションを分析し、アンラーニングのベンチマークに関する議論を掘り下げます。
論文 参考訳（メタデータ） (2024-06-13T12:58:00Z) - Optimal Baseline Corrections for Off-Policy Contextual Bandits [61.740094604552475]
オンライン報酬指標の偏りのないオフライン推定を最適化する意思決定ポリシーを学習することを目指している。
学習シナリオにおける同値性に基づく単一のフレームワークを提案する。
我々のフレームワークは、分散最適非バイアス推定器の特徴付けを可能にし、それに対する閉形式解を提供する。
論文 参考訳（メタデータ） (2024-05-09T12:52:22Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z)
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。
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。