論文の概要: TRON: Transferring Naturally Evolved Network Architectures into Neuroevolution
- arxiv url: http://arxiv.org/abs/2610.35647v1
- Date: Mon, 26 Oct 2026 15:54:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:14.061516
- Title: TRON: Transferring Naturally Evolved Network Architectures into Neuroevolution
- Title（参考訳）: TRON: 自然に進化するネットワークアーキテクチャを神経進化に移行
- Abstract要約: TRONは、実験的に特徴付けられたタンパク質-タンパク質相互作用(PPI)ネットワークをアーキテクチャの先駆体として利用する神経進化フレームワークである。
古典的な進化のオペレーターと、種分化を含む神経進化にインスパイアされたメカニズムを結合し、種隔離を導入する。
全ての分類データセットとほとんどの回帰タスクで評価された手法の中で最も高い予測性能を達成した。
- 参考スコア（独自算出の注目度）: 36.09385775416053
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural architecture search (NAS) is challenging because of the vast, non-linear space of artificial neural network (ANN) topologies. Evolutionary methods can generate architectures, but their effectiveness is limited by difficulties in preserving functional organization during mutation and recombination. Naturally evolved biological networks may provide organizational principles that support adaptation and evolvability. Here, we introduce TRON (TRansfer Of Natural networks), a neuroevolution framework that uses experimentally characterized protein-protein interaction (PPI) networks as architectural priors. Instead of starting from random topologies, TRON reuses biological interaction patterns as structural building blocks. It combines classical evolutionary operators with neuroevolution-inspired mechanisms, including speciation, and introduces species quarantine to protect newly generated architectures during early maturation. We evaluated TRON against established evolutionary and neuroevolutionary methods on three classification benchmarks (CORA, CITESEER, and PUBMED) and three regression benchmarks (DIABETES, FRIEDMAN, and CALIFORNIA). TRON achieved the highest predictive performance among the evaluated methods on all classification datasets and most regression tasks. It showed substantially lower variability across independent runs, indicating greater robustness and convergence stability, at increased computational cost. These findings support the use of PPI networks as effective architectural priors and suggest that biologically derived interaction networks provide more favorable substrates for neuroevolution than random topologies. More broadly, TRON demonstrates the feasibility of transferring naturally evolved network architectures into artificial intelligence systems, offering a direction for improving evolvability in NAS through the reuse of biological organizational principles.
- Abstract（参考訳）: ニューラルネットワーク(ANN)トポロジの広大な非線形空間のため、ニューラルネットワーク探索(NAS)は困難である。
進化的手法はアーキテクチャを生成できるが、その効果は突然変異と組換えの間、機能的な組織を維持することの困難さによって制限される。
自然に進化した生物学的ネットワークは、適応性と進化性をサポートする組織原理を提供するかもしれない。
本稿では,タンパク質-タンパク質相互作用(PPI)ネットワークをアーキテクチャの先駆体として使用した神経進化フレームワークであるTRON(TRansfer Of Natural Network)を紹介する。
ランダムなトポロジーから始める代わりに、TRONは構造的なビルディングブロックとして生物学的相互作用パターンを再利用する。
古典的な進化のオペレーターと、分化を含む神経進化にインスパイアされたメカニズムを結合し、初期成熟時に新しく生成されたアーキテクチャを保護するために種隔離を導入する。
我々はTRONを3つの分類基準(CORA, CITESEER, PUBMED)と3つの回帰基準(DIABETES, FRIEDMAN, CALIFORNIA)で確立された進化的・神経進化的手法と比較した。
TRONは、すべての分類データセットとほとんどの回帰タスクで評価された手法の中で、最も高い予測性能を達成した。
独立走行における変動性が著しく低いことが示され、計算コストが増大するにつれて、より堅牢性と収束安定性が向上した。
これらの知見は、PPIネットワークを効果的なアーキテクチャ上の前提として利用することを支持し、生物学的に派生した相互作用ネットワークが、ランダムトポロジーよりも神経進化に有利な基質を提供することを示唆している。
より広範に、TRONは自然に進化したネットワークアーキテクチャを人工知能システムに移行する可能性を示し、生物学的組織原理の再利用を通じてNASの進化性を改善するための指針を提供する。
関連論文リスト
- Topological Neural Dynamics: A Neuron-wise Framework for Sequence Modeling [55.07411490538404]
トポロジカル・ニューラル・ダイナミクス(TND)は、トポロジカル・ニューラル・ダイナミクス(英語版) (TND) が階層的からニューロン的へと変化するシーケンス・モデリング・フレームワークである。
TNDは神経系を、有向ニューロングラフ、相互作用演算子、局所力学関数として表す。
我々はTNDをシングルプレイヤーPongにおける行動クローニングタスクのケーススタディとして評価した。
論文 参考訳（メタデータ） (2026-06-19T10:18:24Z) - Kirchhoff-Inspired Neural Networks for Evolving High-Order Perception [51.28469959548178]
我々はKirchhoff-Inspired Neural Network (KINN)を提案する。
KINNは、基本的な常微分方程式から数値的に安定な状態更新を導き、より高階の進化成分の明示的な分離と符号化を可能にする。
論文 参考訳（メタデータ） (2026-03-25T06:17:31Z) - MorphoNAS: Embryogenic Neural Architecture Search Through Morphogen-Guided Development [0.0]
ニューラルネットワークを決定的に成長させるシステムであるMorphoNAS(Morphogenetic Neural Architecture Search)を紹介する。
MorphoNASでは、単純なゲノムは、細胞発達の分子動力学としきい値に基づく規則だけをコードする。
論文 参考訳（メタデータ） (2025-07-18T09:57:49Z) - Colony-Enhanced Recurrent Neural Architecture Search: Collaborative
Ant-Based Optimization [0.0]
本稿では,協調型Antベースニューラルトポロジーサーチ(CANTS-N)を紹介する。
この革新的なアプローチでは、Antにインスパイアされたエージェントがニューラルネットワーク構造を慎重に構築し、動的環境内で動的に適応する。
CANTS-Nは、ニューラルアーキテクチャサーチ(NAS)とニューラル進化(NE)のランドスケープを再構築する可能性を持っている
論文 参考訳（メタデータ） (2024-01-30T22:27:31Z) - Brain-inspired Evolutionary Architectures for Spiking Neural Networks [6.607406750195899]
スパイキングニューラルネットワーク(SNN)の効率的なアーキテクチャ最適化について検討する。
本稿では,脳にインスパイアされた局所モジュール構造とグローバルモジュール接続を取り入れたSNNアーキテクチャを進化させる。
本稿では,高性能,効率,消費電力の少ないSNNを用いた,数ショット性能予測器に基づく効率的な多目的進化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-11T06:39:11Z) - Multi-scale Evolutionary Neural Architecture Search for Deep Spiking
Neural Networks [7.271032282434803]
スパイキングニューラルネットワーク(SNN)のためのマルチスケール進化型ニューラルネットワーク探索(MSE-NAS)を提案する。
MSE-NASは脳にインスパイアされた間接的評価機能であるRepresentational Dissimilarity Matrices(RDMs)を介して、個々のニューロンの操作、複数の回路モチーフの自己組織化の統合、およびグローバルなモチーフ間の接続を進化させる
提案アルゴリズムは,静的データセットとニューロモルフィックデータセットのシミュレーションステップを短縮して,最先端(SOTA)性能を実現する。
論文 参考訳（メタデータ） (2023-04-21T05:36:37Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - On the Exploitation of Neuroevolutionary Information: Analyzing the Past
for a More Efficient Future [60.99717891994599]
本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。
本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
論文 参考訳（メタデータ） (2021-05-26T20:55:29Z) - Neural Architecture Search based on Cartesian Genetic Programming Coding
Method [6.519170476143571]
文分類課題を解決するために,CGPに基づくNASの進化的アプローチであるCGPNASを提案する。
実験の結果,検索されたアーキテクチャは人間設計アーキテクチャの性能に匹敵することがわかった。
論文 参考訳（メタデータ） (2021-03-12T09:51:03Z) - Complexity-based speciation and genotype representation for
neuroevolution [81.21462458089142]
本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。
提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
論文 参考訳（メタデータ） (2020-10-11T06:26:56Z)
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。