論文の概要: EMG-Hybrid: A Dual-Engine Elite Memory--Guided Adaptive Optimization Framework for High-Dimensional Feature Selection

• arxiv url: http://arxiv.org/abs/2611.01140v1
• Date: Sat, 31 Oct 2026 17:30:44 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:03:08.885603
• Title: EMG-Hybrid: A Dual-Engine Elite Memory--Guided Adaptive Optimization Framework for High-Dimensional Feature Selection
• Title（参考訳）: EMG-Hybrid:高次元特徴選択のためのデュアルエンジンエリートメモリ誘導適応最適化フレームワーク
• Abstract要約: EMG-Hybridは、3階層的な新しい最適化アーキテクチャである。 分離された運用プレーン、フィードバック駆動型スケジューリング、分離された状態改善を中心に設計されている。 ほぼ直線的な並列スピードアップ、準4次スケーリング、および相当な次元減少を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Feature selection in ultra-high-dimensional, noisy datasets remains a critical challenge due to exponential search space growth, where conventional binary metaheuristics often suffer from premature convergence. To address this, EMG-Hybrid is introduced as a novel three-level hierarchical optimization architecture designed around decoupled operational planes, feedback-driven scheduling, and isolated state refinement. At Level 1, a Dual-Engine Controller monitors population Shannon entropy and empirical fitness velocity, functioning as an architectural master-switch that dynamically routes execution between global exploration and local intensification. This control loop conditions the Level 2 active optimization plane, where an Adaptive Black Hole Gravity (ABHG) execution layer performs aggressive feature manifold pruning via a distance-decoupled penalty kernel driven by fitness similarities and Hamming metrics. To structurally isolate macro-exploration from micro-exploitation, Level 3 encapsulates an autonomous Elite Memory Archive that preserves high-fidelity sub-schemas and hosts a discrete bitwise Differential Evolution (DE) micro-refinement sandbox for resolving complex parameter epistasis. Theoretically, uniform combinatorial bounds derived via Vapnik--Chervonenkis (VC) dimension criteria demonstrate that this multi-level restriction mitigates high-dimensional overfitting. Empirical results across manifolds scaling up to $d > 100{,}000$ features, complemented by high-performance computing (HPC) profiling under lock-free atomic Compare-and-Swap (CAS) primitives, indicate strong performance gains over state-of-the-art baselines. The framework exhibits near-linear parallel speedups, sub-quadratic runtime scaling, and substantial dimensionality reduction, offering a scalable and structurally innovative paradigm for large-scale data mining.
• Abstract（参考訳）: 超高次元ノイズデータセットの特徴選択は、従来のバイナリメタヒューリスティックが早期収束に苦しむ指数探索空間の増大により、依然として重要な課題である。 この問題に対処するため、EMG-Hybridは、分離された運用プレーン、フィードバック駆動スケジューリング、独立した状態改善を中心に設計された、3段階の階層的最適化アーキテクチャとして導入された。 レベル1では、Dual-Engine Controllerが人口のシャノンエントロピーと経験的なフィットネス速度を監視し、グローバルな探索と局所的な強化の間の実行を動的にルーティングするアーキテクチャのマスタースイッチとして機能する。 この制御ループはレベル2能動最適化平面を条件とし、適応的ブラックホール重力層(ABHG)実行層は、フィットネス類似性とハミング指標によって駆動される距離分離されたペナルティカーネルを介して攻撃的な特徴多様体プルーニングを行う。 マイクロ探索からマクロ探索を構造的に分離するために、レベル3は、高忠実度サブスキーマを保存し、複雑なパラメータのエピスタシスを解決するための離散ビットワイド微分進化(DE)マイクロリファインメントサンドボックスをホストする自律的エリート記憶アーカイブをカプセル化する。 理論的には、Vapnik--Chervonenkis(VC)次元の基準によって導かれる均一な組合せ境界は、この多層制限が高次元オーバーフィッティングを緩和することを示す。 ロックフリー原子比較・スワップ(CAS)プリミティブの下でのハイパフォーマンスコンピューティング(HPC)プロファイリングによって補完される、$d > 100{,}000$機能にスケールする多様体における実証的な結果は、最先端のベースラインよりも高いパフォーマンス向上を示す。 このフレームワークは、ほぼ直線的な並列スピードアップ、サブクアクラティックランタイムスケーリング、および相当な次元削減を示し、大規模データマイニングのためのスケーラブルで構造的に革新的なパラダイムを提供する。

関連論文リスト

• Rennala NSGD: Asynchronous Stochastic Optimization Beyond Euclidean Geometry [97.74082492419183]
  深層学習における非ユーデアン幾何学への依存について検討する。 半非同期分散勾配を導入し,ウォールタイムの複雑性を保証する。
  論文  参考訳（メタデータ） (2026-10-28T19:47:15Z)
• MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
  本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
  論文  参考訳（メタデータ） (2026-06-22T10:14:06Z)
• Hierarchical Awareness Adapters with Hybrid Pyramid Feature Fusion for Dense Depth Prediction [9.96771578356719]
  既存のアプローチは、深度マップを回帰するために、ますます複雑なネットワークアーキテクチャに依存している。 本論文では,Swin Transformerのバックボーン上に構築したマルチレベル条件付きランダムフィールド(CRF)モデルを提案する。 本稿では,Abs Relを0.088ドル(約7.4%)に,RMSEを0.316ドル(約5.4%)に削減し,ほぼ完全なしきい値精度を実現した。
  論文  参考訳（メタデータ） (2026-04-03T07:59:26Z)
• Hybrid Dual-Path Linear Transformations for Efficient Transformer Architectures [0.0]
  本稿では,アフィン変換を2つのトポロジカルな経路に分解するHybrid Dual-Path Linear (HDPL)演算子について紹介する。 FineWeb-Eduデータセットの実験では、HDPLアーキテクチャが標準のLlamaスタイルのベースラインより優れていることが示されている。 本稿では,トランスフォーマーのバックボーン内での確率的潜在空間の明示的な物質化が,重要な建築的余裕として果たす役割について論じる。
  論文  参考訳（メタデータ） (2026-02-05T20:16:10Z)
• Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
  分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。 近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。 物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
  論文  参考訳（メタデータ） (2026-02-02T14:13:28Z)
• Fluxamba: Topology-Aware Anisotropic State Space Models for Geological Lineament Segmentation in Multi-Source Remote Sensing [6.815807403335458]
  トポロジ対応の機能修正フレームワークを導入した軽量アーキテクチャを提案する。 F Fluxambaは3.4Mパラメータと6.3G FLOPで24FPS以上のリアルタイム推論速度を達成する。
  論文  参考訳（メタデータ） (2026-01-24T03:55:21Z)
• The Curious Case of In-Training Compression of State Space Models [49.819321766705514]
  ステートスペースモデル(SSM)は、並列化可能なトレーニングと高速推論の両方を提供する。 鍵となる設計上の課題は、表現力の最大化と計算負荷の制限の間の適切なバランスを打つことだ。 我々のアプローチである textscCompreSSM はリニアリカレントユニットのような線形時間不変SSMに適用されるが、選択モデルにも拡張可能である。
  論文  参考訳（メタデータ） (2025-10-03T09:02:33Z)
• Discrete-Guided Diffusion for Scalable and Safe Multi-Robot Motion Planning [56.240199425429445]
  マルチロボット運動計画(MPMP)は、共有された連続作業空間で動作する複数のロボットのための軌道を生成する。 離散マルチエージェント探索(MAPF)法は,その拡張性から広く採用されているが,粗い離散化の軌道品質は高い。 本稿では、制約付き生成拡散モデルを用いた離散MAPF解法を導入することにより、2つのアプローチの限界に対処する。
  論文  参考訳（メタデータ） (2025-08-27T17:59:36Z)
• Efficient Orthogonal Fine-Tuning with Principal Subspace Adaptation [43.719298075378425]
  パラメータ効率の良いファインチューニングのための主部分空間適応(PSOFT)を用いたオルソゴンファインチューニングを提案する。 35のNLPタスクとCVタスクの実験により、PEFTにおける意味保存、表現性、多次元効率を同時に達成するために、PSOFTは実用的でスケーラブルなソリューションを提供することが示された。
  論文  参考訳（メタデータ） (2025-05-16T13:26:48Z)

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。