Fugu-MT 論文翻訳(概要): RDEx-CASK: Cauchy Mutation, Archive, and Stagnation Kick for RDEx-CSOP

論文の概要: RDEx-CASK: Cauchy Mutation, Archive, and Stagnation Kick for RDEx-CSOP

arxiv url: http://arxiv.org/abs/2605.09652v1
Date: Sun, 10 May 2026 16:53:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 23:28:50.351488
Title: RDEx-CASK: Cauchy Mutation, Archive, and Stagnation Kick for RDEx-CSOP
Title（参考訳）: RDEx-CASK:RDEx-CSOP用Cauchy Mutation, Archive, Stagnation Kick
Authors: Dikshant, Dikshit Chauhan, Chen Hao, Anupam Trivedi, Harikumar Kandath, Senthilnath Jayavelu,
Abstract要約: RDEx-CSOPを3つの変更で拡張する。 CEC CSOPスイート(D=30, 25ラン)では、RDEx-CASKはRDEx、UDE-III、CL-SRDEに競合する。
参考スコア（独自算出の注目度）: 4.403313849819763
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We extend RDEx-CSOP with 3 changes that target stagnation & late-stage variance, plus minor parameter tuning. The second scale factor in the standard branch is sampled independently from a truncated Cauchy. A small feasible-only JADE-style archive (|A|_max = 50) is added & sampled with probability |A|/(|A|+|P|). Per-individual stagnation counter triggers, after 180 no-improvement generations, three local overrides on standard branch: pull toward the global best, lift the archive sampling floor to 0.65, & saturate CR to 0.95 when population success rate is below 0.10. The exploitation biased branch & every other RDEx component are left untouched. On CEC CSOP suite (D=30, 25 runs), RDEx-CASK is competitive with RDEx, UDE-III, & CL-SRDE in feasibility-aware quality & improves time-to-target on most problems.
Abstract（参考訳）: RDEx-CSOPを3つの変更で拡張する。標準分岐における第2のスケールファクタは、切り詰められたコーシーから独立してサンプリングされる。小さな実現可能な JADE 形式のアーカイブ (|A|_max = 50) を加えて、確率 |A|/(|A|+|P|) でサンプリングする。個人ごとの停滞カウンターは180世代が経過した後で、標準ブランチ上の3つのローカルオーバーライドをトリガーする: グローバルベストに向かってプルし、アーカイブのサンプリングフロアを0.65に引き上げ、人口が0.10未満のCRを0.95に飽和させる。エクスプロイトバイアス付きのブランチと他のRDExコンポーネントはすべて、未修正のままである。 CEC CSOPスイート(D=30, 25ラン)では、RDEx-CASKはRDEx、UDE-III、CL-SRDEに競合する。

関連論文リスト

MPCS: Neuroplastic Continual Learning via Multi-Component Plasticity and Topology-Aware EWC [0.0]
我々は,11つの相補的機構を統合した神経可塑性アーキテクチャMPCSを紹介する。我々は、回帰、分類、論理、混合ドメインにわたる31のタスクにまたがるベンチマークであるMEP-BENCH上でMPCSを評価する。
論文参考訳（メタデータ） (2026-05-04T12:04:09Z)
Too Correct to Learn: Reinforcement Learning on Saturated Reasoning Data [55.84428098924793]
構造保存探索を行うためのパラメータ自由復号法である Constrained Uniform Top-K Smpling (CUTS) を提案する。グループ内の利点分散を増幅するために、エクスプロイトと探索的なロールアウトを相乗化するためのトレーニングフレームワークであるMixed-CUTSに統合する。特にMixed-CUTSは、AIME25ベンチマークのPass@1の精度を標準のGRPOよりも15.1%向上している。
論文参考訳（メタデータ） (2026-04-20T16:43:28Z)
RDEx-CMOP: Feasibility-Aware Indicator-Guided Differential Evolution for Fixed-Budget Constrained Multiobjective Optimization [13.368759036974224]
本報告では、IEEE CEC 2025数値最適化コンペティションで使用される微分進化変種RDEx-CMOPについて述べる。 RDEx-CMOPをCEC 2025 CMOPベンチマークで評価する。実験の結果,RDEx-CMOPは全比較アルゴリズムの中で最高スコアと最高平均ランクを達成できた。
論文参考訳（メタデータ） (2026-04-04T12:27:36Z)
RDEx-CSOP: Feasibility-Aware Reconstructed Differential Evolution with Adaptive epsilon-Constraint Ranking [13.368759036974224]
本報告では、IEEE CEC 2025数値最適化コンペティションで使用される制約付き微分進化変種RDEx-CSOPについて述べる。 RDEx-CSOP を U-score フレームワークを用いて CEC 2025 CSOP ベンチマークで評価した。その結果,RDEx-CSOPは全比較アルゴリズムの中で最高スコアと最高ランクを達成できた。
論文参考訳（メタデータ） (2026-03-28T02:23:11Z)
Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文参考訳（メタデータ） (2026-03-10T04:07:39Z)
On Imbalanced Regression with Hoeffding Trees [1.3149034455953847]
ホイフディングの木とその変種は、その有効性から長年の伝統がある。最近のバッチラーニング研究は、カーネル密度推定(KDE)が不均衡回帰のスムーズな予測を改善することを示している。我々はKDEをテレスコープの定式化によりストリーミング設定に拡張し、階層的縮小をインクリメンタルな決定木に統合する。
論文参考訳（メタデータ） (2026-02-25T16:48:07Z)
BiRQA: Bidirectional Robust Quality Assessment for Images [49.74447451098852]
フル参照画像品質評価(FR IQA)は、画像圧縮、復元、生成モデリングにおいて重要である。本稿では、双方向の多スケールピラミッド内で4つの高速補完特徴を処理するコンパクトFR IQA計量モデルであるBiRQAを提案する。 5つのパブリックFR IQAベンチマークでは、BiRQAは以前のSOTAモデルよりも3倍高速で動作しながら、以前の状態(SOTA)より優れ、あるいは一致している。
論文参考訳（メタデータ） (2026-02-23T20:52:56Z)
BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。両課題に対処する統合フレームワークであるBadCLIP++を提案する。ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文参考訳（メタデータ） (2026-02-19T08:31:16Z)
Quantum King-Ring Domination in Chess: A QAOA Approach [2.7474031534471384]
量子キングリング・ドミネーション(Quantum King-Ring Domination、QKRD)は、チェスの戦術的位置から派生したNISQスケールのベンチマークである。我々はQAOA設計選択を体系的に評価し、制約保存ミキサーが標準ミキサーよりも約13ステップ早く収束していることを見出した。内在的検証では、QAOAはグリーディを12.6%、ランダム選択を80.1%上回っている。
論文参考訳（メタデータ） (2026-01-01T11:59:40Z)
Generalized Kullback-Leibler Divergence Loss [105.66549870868971]
我々は、クルバック・リブラー(KL)の除算損失がデカップリングカルバック・リブラー(DKL)の除算損失と等価であることを証明した。 DKL損失の非結合構造により,我々は改善すべき2つの領域を特定した。
論文参考訳（メタデータ） (2025-03-11T04:43:33Z)
iDARTS: Improving DARTS by Node Normalization and Decorrelation Discretization [51.489024258966886]
微分可能なArchiTecture Search(DARTS)は、ネットワーク表現の継続的緩和を使用し、GPUデーにおいて、ニューラルネットワークサーチ(NAS)を約数千倍高速化する。しかし、DARTSの探索過程は不安定であり、訓練の時期が大きくなると著しく劣化する。そこで本研究では,DARTSの改良版であるiDARTSを提案する。
論文参考訳（メタデータ） (2021-08-25T02:23:30Z)

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。