論文の概要: Multi-Behavioral Evolved Substrates Through Neuromodulation and Activation Selection

• arxiv url: http://arxiv.org/abs/2610.00148v1
• Date: Thu, 10 Sep 2026 13:22:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.382529
• Title: Multi-Behavioral Evolved Substrates Through Neuromodulation and Activation Selection
• Title（参考訳）: 神経調節と活性化選択による多行動物質
• Abstract要約: オープンエンド人工生命システムは、単一の進化した遺伝子型から多様な能力を取得する必要がある。 CPPNsを介して間接的にコード化された基質を用いて、神経調節だけでは不十分であることを示す1万以上の実験を行った。
• 参考スコア（独自算出の注目度）: 0.4899818550820576
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-ended artificial life systems must acquire diverse competencies from a single evolving genotype. Biological brains combine neuromodulation, which reconfigures circuits without changing connections, with diverse neuron types matched to specific computational roles. Can artificial evolution achieve something analogous in indirectly encoded substrates? Using indirectly encoded substrates evolved via CPPNs, we show through more than 10,000 experiments that neuromodulation alone is insufficient: under evolutionary search, monotonic activation functions impose a 75% ceiling on parity tasks that persists regardless of capacity, topology, or population size. This is an evolutionary search barrier, not a representational limit, since Adam gradient descent achieves 100% on the identical architecture. We combine neuromodulation with per-task activation function selection, matching oscillatory primitives to parity tasks and monotonic to threshold tasks, producing multi-behavioral evolved substrates. The result: 100% simultaneous 5-task success across all 30 seeds (median 14 generations). This generalizes across the oscillatory activation class: all four functions reach 100% (30 seeds each). Neither mechanism suffices alone. The barrier extends to higher-arity and asymmetric tasks, while multi-layer depth provides an alternative path. For open-ended evolution, the computational primitive should itself be an evolvable trait. At inference, one evolved genotype expresses many behaviors.
• Abstract（参考訳）: オープンエンド人工生命システムは、単一の進化した遺伝子型から多様な能力を取得する必要がある。 生物学的脳は、接続を変更せずに回路を再構成する神経調節と、特定の計算機能に適合する様々なニューロンタイプを組み合わせる。 人工進化は間接的にコード化された基質に類似するものを達成できるのか? 進化的探索の下では、単調な活性化関数は、容量、トポロジー、人口規模に関わらず持続するパリティタスクに75%の天井を課す。 これは進化的探索障壁であり、アダム勾配勾配が同じアーキテクチャ上で100%を達成するため、表現限界ではない。 我々はニューロ変調とタスクごとのアクティベーション関数の選択、振動プリミティブをパリティタスクに、モノトニックをしきい値タスクに組み合わせ、マルチビヘイビアな基質を創出する。 その結果、30種すべて(中間14世代)で5タスクの同時成功が100%達成された。 これは振動活性化クラス全体で一般化され、4つの関数はすべて100%に達する(それぞれ30種)。 どちらの機構も単独では不十分だ。 バリアは高いアリティと非対称なタスクにまで拡張され、マルチ層深さは代替のパスを提供する。 オープンエンド進化にとって、計算プリミティブはそれ自体が進化可能な特性であるべきである。 推論において、進化したジェノタイプは多くの振る舞いを表現する。

関連論文リスト

• Per-Node Activation Function Evolution in Indirectly Encoded Substrates: Solvability, Limits, and Emergent Diversity [0.4899818550820576]
  人工ニューラルネットワークは、すべてのノードに一様に単一のアクティベーション関数を適用し、それらが表現できるものを制限することを示す。 我々は18関数パレットからの間接符号化、ノードごとのアクティベーション関数の割り当てにおいて、初めて知識に進化した。
  論文  参考訳（メタデータ） (2026-09-10T13:22:36Z)
• Range, not Independence, Drives Modularity in Biologically Inspired Representations [52.48094670415497]
  我々は、生物学的にインスピレーションを受けたネットワークが、ソース変数(ソース)の表現をモジュール化する理論を開発する。 我々は、最適な線形オートエンコーダのニューロンがモジュラー化するかどうかを決定するソースのサンプルに対して、必要かつ十分な条件を導出する。 我々の理論はどんなデータセットにも当てはまり、以前の研究で研究された統計的な独立性よりもはるかに長い。
  論文  参考訳（メタデータ） (2024-10-08T17:41:37Z)
• 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)
• Learning Time-Invariant Representations for Individual Neurons from Population Dynamics [29.936569965875375]
  本稿では,時間不変表現を個々のニューロンに割り当てる自己教師型学習手法を提案する。 我々は、個人と近隣住民の両方の活動を考慮して表現を学ぶために、動的モデルと神経活動に適合する。 本手法は,マウス大脳皮質神経活動と転写ラベルの多モーダルなデータセット上で実証する。
  論文  参考訳（メタデータ） (2023-11-03T22:30:12Z)
• Increasing biases can be more efficient than increasing weights [33.05856234084821]
  ユニットは、あるユニットから次のユニットに渡されるときに、非破壊的な情報を保存することの重要性を強調します。 重みよりもバイアスの増加に焦点を当てることで、ニューラルネットワークモデルの性能が大幅に向上する可能性があることを示す。
  論文  参考訳（メタデータ） (2023-01-03T01:36:31Z)
• 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)
• Bootstrapping of memetic from genetic evolution via inter-agent selection pressures [0.0]
  我々は、互いにメッセージを選択的に交換するエージェントの人工システムを作成する。 我々は, エージェントが互いに選択圧力を及ぼす能力が, メメティック進化に不可欠であることを観察する。 このシステムでは、この「生態学」と、個々のフィットネスを駆動する基礎的なタスクとの相互作用がほとんどありません。
  論文  参考訳（メタデータ） (2021-04-07T21:31:05Z)
• A multi-agent evolutionary robotics framework to train spiking neural networks [35.90048588096738]
  スパイクニューラルネットワーク(snn)を訓練するための新しいマルチエージェント進化ロボティクス(er)ベースのフレームワーク SNNの集団の重みと制御するボットの形態学的パラメータは表現型として扱われる。 フレームワークのルールは、特定のボットとそのSNNを選択して、競争環境において食物を捕獲する効果に基づいて、その除去を行う。
  論文  参考訳（メタデータ） (2020-12-07T07:26:52Z)

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。