論文の概要: Frenetic Cat-inspired Particle Optimization: a Markov state-switching hybrid swarm optimizer with application to cardiac digital twinning

• arxiv url: http://arxiv.org/abs/2604.15761v1
• Date: Fri, 17 Apr 2026 07:05:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.778692
• Title: Frenetic Cat-inspired Particle Optimization: a Markov state-switching hybrid swarm optimizer with application to cardiac digital twinning
• Title（参考訳）: Frenetic Cat-inspired Particle Optimization: An Markov state-switching hybrid Swarm Optimizationr and application to heartc digital twinning (特集 人工心肺)
• Authors: Jorge Sánchez, Guadalupe García-Isla, Sandra Perez-Herrero, Beatriz Trenor, Javier Saiz,
• Abstract要約: Frenetic Cat-Inspired Optimization (FCPO) は、粒子群最適化のような力学を明示状態マルコフスイッチングコントローラと結合するハイブリッドスワム法である。 FCPOは10のベンチマークケース(平均0.183秒)で最低の平均ランタイムを実現しており、CMA-ESの約2.3倍高速である。 心室活性化デジタルツインキャリブレーションタスクにおいて、FCPOは目標心電図(ECG)忠実度(E0.1mV)を40以内に到達させる。 FCPOは従来のSwarmよりも大幅に改善され、良好な精度-実行時のトレードオフを維持している。
• 参考スコア（独自算出の注目度）: 0.6978367196609415
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Designing optimizers that remain effective under tight evaluation budgets is critical in expensive black-box settings such as cardiac digital twinning. We propose Frenetic Cat-inspired Particle Optimization (FCPO), a hybrid swarm method that couples particle swarm optimization-like dynamics with an explicit-state Markov switching controller to schedule exploration and refinement operators online. FCPO integrates (i) state-conditioned bounded motion, (ii) an elite-difference global jump operator to escape stagnation, (iii) eigen-space guided local refinement from elite covariance, and (iv) linear population size reduction to control late-stage computational cost. We benchmark FCPO on five representative functions from the Congress on Evolutionary Computation (CEC) 2022 suite (F1, F2, F3, F6 and F10) at dimensions D$\in${10,20} over 30 independent runs, comparing against PSO, CSO, CLPSO, SHADE, L-SHADE and CMA-ES. FCPO achieves the lowest mean runtime across the ten benchmark cases (average 0.183 s), about 2.3x faster than CMA-ES and 2.6x faster than L-SHADE in our Python implementation. On the multimodal composition function F10 at D=20, FCPO attains the best mean objective (9.625x 10^2 $\pm$ 1.275x 10^3) and remains faster than CMA-ES (0.602 s vs. 1.126 s mean runtime). On structured landscapes (F1--F3) and on the hybrid function (F6), CMA-ES remains the most accurate method, while FCPO substantially improves over classical swarms and maintains a favorable accuracy--runtime trade-off. Finally, in a ventricular activation digital twin calibration task, FCPO reaches the target electrocardiogram (ECG) fidelity (RMSE<0.1 mV) within ~ 40 iterations and produces physiologically plausible activation maps with robust convergence across repeated initializations, supporting its use as a practical optimizer for expensive inverse problems.
• Abstract（参考訳）: 厳格な評価予算の下で有効であるオプティマイザの設計は、心臓のデジタルツインニングのような高価なブラックボックス設定において重要である。 本稿では,Frenetic Cat-inspired Particle Optimization (FCPO)を提案する。これは粒子群最適化のような動的を明示状態のMarkovスイッチングコントローラと組み合わせて,探索および改良演算子をオンラインでスケジュールするハイブリッドSwarm法である。 FCPO の統合 (i)状態条件付き有界運動 (二)停滞を逃れるエリート差のグローバルジャンプ演算子 三 エリート共分散から地域改良を指導し、 (4) 後期計算コストを抑えるために, 線形人口規模を削減した。 PSO, CSO, CLPSO, SHADE, L-SHADE, CMA-ESと比較して, FCPOを30回の独立ランでD$\in${10,20}の次元で, 2022スイート(F1, F2, F3, F6, F10)の5つの代表関数についてベンチマークした。 FCPOは,CMA-ESの約2.3倍,L-SHADEの約2.6倍の速度で,ベンチマークケース10件(平均0.183秒)で最低のランタイムを実現している。 D=20のマルチモーダル合成関数F10では、FCPOは最高の平均目標(9.625x 10^2 $\pm$1.275x 10^3)に達し、CMA-ES(0.602 s vs. 1.126 s)よりも高速である。 構造ランドスケープ(F1-F3)とハイブリッド関数(F6)では、CMA-ESが最も正確であり、FCPOは古典的なスワムよりも大幅に改善され、良好な精度-実行時のトレードオフを維持している。 最後に、心室活性化デジタルツインキャリブレーションタスクにおいて、FCPOは目標心電図(RMSE<0.1 mV)に約40回の反復で到達し、繰り返し初期化にまたがって頑健に収束した生理学的に可塑性な活性化マップを生成し、高価な逆問題に対する実用的なオプティマイザとしての使用をサポートする。

関連論文リスト

• Optimization-Embedded Active Multi-Fidelity Surrogate Learning for Multi-Condition Airfoil Shape Optimization [0.0]
  多条件翼形状最適化のための能動多面体代理モデルを開発した。 このフレームワークは、不確実性トリガーサンプリングと同期エリート性規則と、低忠実性インフォームドガウスプロセス回帰転送モデルとを結合する。 最適化された設計により、クルーズ効率は41.05%向上し、離陸リフトは最高の第1世代と比較して20.75%向上した。
  論文  参考訳（メタデータ） (2026-03-17T18:43:11Z)
• PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
  PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。 PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。 7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T17:57:37Z)
• Yukthi Opus: A Multi-Chain Hybrid Metaheuristic for Large-Scale NP-Hard Optimization [0.0]
  Yukthi Opus (YO) は、NP-hard最適化のためのマルチチェーンハイブリッドメタヒューリスティックである。 YOは、構造化された2相アーキテクチャに3つの相補的なメカニズムを統合する。 YOは、予測可能な評価予算を維持しながら、大規模かつマルチモーダルな問題における競争性能を達成する。
  論文  参考訳（メタデータ） (2026-01-05T06:51:08Z)
• ECPv2: Fast, Efficient, and Scalable Global Optimization of Lipschitz Functions [91.31596562378076]
  ECPv2は、未知のリプシッツを持つリプシッツ連続関数のグローバル最適化のためのスケーラブルで理論的に基礎付けられたアルゴリズムである。 ECPv2は最適時間境界でECPのNo-Regret保証を保ち,これらの結果により受容領域を拡大することを示す。
  論文  参考訳（メタデータ） (2025-11-20T17:30:55Z)
• MeanFlow Transformers with Representation Autoencoders [71.45823902973349]
  MeanFlow(MF)は、ノイズからデータへのジャンプを直接学習することで、効率的な数ステップ生成を可能にする拡散動機付き生成モデルである。 我々は、表現オートエンコーダ(RAE)の潜在空間におけるMFの効率的なトレーニングとサンプリング手法を開発する。 1ステップのFIDが2.03であり,バニラMFの3.43を上回っ,GFLOPSのサンプリングを38%削減し,ImageNet 256のトレーニングコストを83%削減した。
  論文  参考訳（メタデータ） (2025-11-17T06:17:08Z)
• DiffusionNFT: Online Diffusion Reinforcement with Forward Process [99.94852379720153]
  Diffusion Negative-aware FineTuning (DiffusionNFT) は、フローマッチングを通じて前方プロセス上で直接拡散モデルを最適化する新しいオンラインRLパラダイムである。 DiffusionNFTは、CFGフリーのFlowGRPOよりも25倍効率が高い。
  論文  参考訳（メタデータ） (2025-09-19T16:09:33Z)
• ESSA: Evolutionary Strategies for Scalable Alignment [8.418036456622158]
  我々は,前向き推論とブラックボックス最適化のみを用いて,Large Language Models (LLM) を整列する勾配のないフレームワークであるESSAを提案する。 ESSAはQwen2.5-Math-7Bのテスト精度をGSM8Kで12.6%、PRM800Kで14.8%改善し、IFEvalでLLaMA3.1-8Bの精度を22.5%向上させた。 大規模な設定では、ESSAは勾配ベースの方法よりもスケーリングが強い。
  論文  参考訳（メタデータ） (2025-07-06T16:23:07Z)
• Dynamic Multi-Objective Lion Swarm Optimization with Multi-strategy Fusion: An application in 6R robot trajectory planning [11.421300692057029]
  本研究では,MF-DMOLSO (MF-DMOLSO) を用いた動的多目的ライオン群最適化手法を提案する。 MF-DMOLSOは初期化、Swarm位置更新、外部アーカイブ更新の3つの重要なコンポーネントから構成される。 6Rロボット軌道計画の適用により、MF-DMOLSOは走行時間と最大加速を8.3sと0.3pi rad/s2に最適化し、70.97%に設定された。
  論文  参考訳（メタデータ） (2024-05-31T18:05:47Z)
• Accelerated Fuzzy C-Means Clustering Based on New Affinity Filtering and Membership Scaling [74.85538972921917]
  Fuzzy C-Means (FCM) は広く使われているクラスタリング手法である。 FCMはクラスタリングプロセスの中間から後期の段階で効率が低い。 新しいアフィニティフィルタとメンバシップスケーリング(AMFCM)に基づくFCMを提案する。
  論文  参考訳（メタデータ） (2023-02-14T14:20:31Z)
• High-Fidelity Machine Learning Approximations of Large-Scale Optimal Power Flow [49.2540510330407]
  AC-OPFは、多くの電力システムアプリケーションにおいて重要なビルディングブロックである。 本稿では, 再生可能エネルギーの普及にともなって, AC-OPFの効率的な近似を実現するための深層学習について検討する。
  論文  参考訳（メタデータ） (2020-06-29T20:22:16Z)

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。