PulseAugur
中
实时 19:55:38
实体 genetic programming

genetic programming

PulseAugur coverage of genetic programming — every cluster mentioning genetic programming across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
9
90 天内 38
发布 · 30天
0
90 天内 0
论文 · 30天
9
90 天内 34
层级分布 · 90 天
主题
关系
情绪 · 30 天

7 天有情绪数据

最近 · 第 1/2 页 · 共 40 条
  1. TOOL · CL_368011 ·

    构造弯曲函数的新演进策略

    研究人员开发了一种演进策略(ES)来构造局部展开的弯曲函数,这是一种具有最大非线性的布尔函数。该ES使用两种编码方法进行了测试,一种使用生成器矩阵,另一种使用展开集,成功地找到了多达10个变量的这些函数。一项消融研究表明,突变至关重要,而种群规模则不然,并且贪婪启发式在具有挑战性的实例上优于ES。进一步的分析探讨了ES的质量-多样性变体,以寻找具有低代数次数的函数,结果表明,与基线遗传编程优化器生成的函数相比,演进的弯曲函数表现出更高…

  2. TOOL · CL_362496 ·

    BlockEval框架加速了ACO的自动化算法设计

    研究人员开发了BlockEval,一个新颖的批量评估框架,旨在加速自动化算法设计,特别是对于蚁群优化(ACO)等迭代算法。该框架利用GPU和CPU后端同时执行多次运行,并为每代编译模块以提高效率。在复杂的旅行商问题上,BlockEval的加速效果显著,优于现有的GPU方法和其他框架。

  3. TOOL · CL_360533 ·

    TSGP-2 改进了遗传编程在非线性问题上的表现

    研究人员推出了 TSGP-2,这是 Transformer Semantic Genetic Programming 的一项进展,旨在更好地处理非线性问题。与倾向于线性解决方案的前身 TSGP 不同(由于其训练数据),TSGP-2 在包括线性和非线性目标函数在内的更多样化的数据集上进行了训练。这种更广泛的训练减少了对线性后代的偏见,使 TSGP-2 能够在搜索过程的早期提出更有意义的非线性解决方案,并在具有非线性结构的问题上取得更好的结果。

  4. RESEARCH · CL_355749 ·

    Cartesian Genetic Programming 在 Max 问题上展现指数级加速 · 追踪 4 个来源

    一篇新论文分析了笛卡尔遗传编程 (CGP) 在 Max 问题上的理论性能,证明与传统的基于树的 GP (TGP) 相比,CGP 实现了显著的指数级加速。研究证明,CGP 可以在期望运行时间内演化出最优解,该运行时间是程序长度的多对数函数,具体为 O(log^9{n})。这一发现凸显了 CGP 基于图的程序表示的效率和紧凑性,以及其有效导航搜索空间的能力,为 CGP 在此基准问题上提供了第一个经过验证的性能保证。

  5. TOOL · CL_348764 ·

    新的EVO-GP调度器优化了跨GPU集群的机器学习作业分配

    研究人员开发了一种新颖的两层进化调度方法EVO-GP,旨在优化多集群GPU环境中机器学习作业的分配。该方法通过最小化平均和最大加权排队时间并最大化GPU利用率,解决了当前启发式调度器的局限性。该系统将作业到集群的分配与集群内的资源分配分离开来,采用进化算法进行负载均衡,并使用遗传编程来指导集群内的GPU分配。实验表明,EVO-GP在适应性和可扩展性方面优于现有方法。

  6. TOOL · CL_338459 ·

    新的遗传编程方法实现作业车间调度的终身学习

    研究人员开发了一种新颖的代理辅助遗传编程方法,以实现动态柔性作业车间调度(DFJSS)的终身学习。该方法旨在克服传统遗传编程的局限性,传统遗传编程在适应新任务或变化的作业特征时,常常会发生灾难性遗忘。所提出的框架平衡了可塑性和稳定性,根据任务相似性调节知识重用,并使用改进的具有距离约束的代理模型以获得更好的准确性。实验表明,该方法在保持适应性的同时有效减少了知识损失,在动态调度场景中优于现有技术。

  7. TOOL · CL_327193 ·

    LLM驱动的DIGEST方法提升符号回归精度

    研究人员推出了一种新颖的符号回归方法DIGEST,它将大型语言模型(LLMs)与遗传编程(GP)相结合。DIGEST通过使用LLM派生的策略来播种GP种群,增强了生成灵活性,从而解决了当前方法的局限性。它还包含一个反馈循环,其中GP发现的高质量表达式用于更新LLM策略,使其能够从过去的搜索发现中学习。实验表明,DIGEST在恢复真实表达式方面表现优越,并且比现有方法更有效。

  8. TOOL · CL_284262 ·

    小型语言模型用于边缘数据分类的评估

    一篇新的arXiv论文探讨了在边缘计算环境中,使用小型、开源语言模型对智能数据模型(SDMs)进行分类的应用。该研究解决了现有方法资源密集且不适用于边缘设备的局限性。研究人员针对特定领域的数据集,对包括通用模型、推理专用模型和代码专用模型在内的各种语言模型架构进行了基准测试。他们还将这些模型与TF-IDF等更简单的基线模型进行了比较,以评估它们在资源受限平台上的实际价值。

  9. TOOL · CL_286649 ·

    下游学习器重塑了遗传编程的演进

    研究人员探讨了下游学习器如何影响遗传编程中的演化过程。他们发现,学习器的选择显著影响了遗传编程必须演化的程序的复杂性。通过转向布尔域并通过傅里叶次数测量非线性,研究表明线性学习器精确匹配目标的次数,而树集成则以更简单的程序实现更高的成功率。这项工作表明,可以根据目标的结构来选择学习器,并且可以计算演化程序的次数作为诊断指标。然而,也发出了警告:学习器能力的提高可能导致程序依赖性增加和可读性降低。

  10. COMMENTARY · CL_282280 ·

    全科医生亲戚因信任和效率担忧而避开 AI 病历

    一位前英国籍、现居新西兰的全科医生亲戚,因担忧其可信度和效率而避免使用 AI 生成的病历。他发现,来自护士等其他工作人员的 AI 生成病历,会产生大量压倒性且不可靠的信息。该医生认为,AI 无法解读微妙的人类线索,会损害患者护理,而一些工作人员为了方便而使用 AI,则减慢了系统运行速度。

  11. TOOL · CL_278693 ·

    AI模型在医疗游戏中正确诊断患者,安全性参差不齐

    一位澳大利亚的全科医生开发了一款医疗咨询游戏,其中13个AI模型扮演医生角色。在195次咨询中,所有模型都正确诊断了患者,但它们的安全性协议差异很大。该游戏旨在评估AI在模拟医疗场景中的表现和安全性。

  12. RESEARCH · CL_254324 ·

    新方法增强了AI驱动的项目调度启发式算法

    研究人员开发了一种新的方法,利用代理辅助遗传编程(GP)来改进动态多模式项目调度的启发式规则。该研究侧重于表型特征(PC)以在有限的完全模拟预算内增强适应度估计。测试了三种编码方案——优先级值、排序和二进制——其中二进制编码结合欧氏距离显示出对代理辅助GP最有效和最稳健的指导。

  13. TOOL · CL_249525 ·

    大型语言模型在符号回归模型的事后审计方面显示出潜力

    研究人员探索了使用大型语言模型(LLMs)来审计符号回归模型在生理学上的合理性,特别是在医学背景下。虽然LLMs在对演化出的数学表达式进行排名方面显示出潜力,但它们的解释有时在生理学和数学上存在疑问。临床医生发现LLMs的比较排名比孤立的术语解释更有用,这表明LLMs更适合专家监督的审计,而不是自主验证。

  14. TOOL · CL_247835 ·

    新AI助手简化能耗模型解释

    研究人员开发了一个名为“可解释性助手”的开源对话式XAI系统,旨在帮助设施经理和楼宇运营商理解用于能耗预测的复杂机器学习模型。该系统利用大型语言模型的功能调用能力,实现了94%的意图解析准确率,显著优于以往的对话式XAI方法。与能源领域专家的比较评估表明,“可解释性助手”提供了更好的可用性,并且在实际应用中一致优于传统的XAI仪表板。

  15. TOOL · CL_233354 ·

    新的HDL修复系统使用字典引导变异和仿真发散

    研究人员开发了一种新颖的系统,用于自动修复硬件描述语言(HDL)设计,解决了搜索空间大和语法约束严格的挑战。该系统采用字典引导变异算子,利用特定于被测设计(DUT)的ANTLR派生词汇表。它将此与仿真发散故障定位模块相结合,以识别变异并将其导向高嫌疑区域。这种方法在CirFix基准套件上显示出有效性,成功修复了多种错误变体,包括先前方法无法处理的复杂多重编辑实例,同时还实现了显著的加速。

  16. RESEARCH · CL_231604 ·

    新的神经符号回归框架结合了深度学习与稀疏建模

    研究人员开发了一个新的神经符号回归(NSR)框架,该框架结合了神经网络和稀疏建模技术,以从数据中发现简洁的数学表达式。该方法首先使用神经网络在非线性特征空间中学习鲁棒的函数逼近,然后使用LASSO提取稀疏、可解释的方程。在Nguyen基准套件上的实验表明,NSR在均方根误差、噪声鲁棒性和泛化能力方面优于遗传编程和SINDy等传统方法。

  17. RESEARCH · CL_208298 ·

    新的机器学习方法融合物理学和数据以改进敏感性分析

    研究人员开发了新的物理信息机器学习策略,通过有效地结合基于物理的模型和实验数据来改进全局敏感性分析(GSA)。该研究探讨了两种机器学习技术:深度神经网络(DNN)和高斯过程(GP)建模,以及两种整合物理知识的方法:在损失函数中强制执行物理约束,以及使用模拟数据进行预训练,然后使用实验数据进行更新。结果表明,与GP模型相比,基于DNN的模型在敏感性估计上提供了更小的界限,并在增材制造和湖泊温度建模中展示了应用。

  18. TOOL · CL_208207 ·

    Agentic AI 自动化遗传编程配置

    研究人员开发了一个 Agentic AI 框架,用于自动化遗传编程中父代选择算法的配置。该框架利用大型语言模型推理和检索增强生成来识别和实现这些算法。在符号回归测试中,采用 5 个 mini--AR 的 Agentic 设置表现出竞争力,生成了已有的 epsilon-lexicase 实现,并在多个问题上优于锦标赛选择。

  19. RESEARCH · CL_194008 ·

    新方法加速 Vision Transformer 在边缘设备的适配

    研究人员开发了更有效地将 Vision Transformer (ViT) 适配到特定任务的新方法。一种方法使用遗传编程来演化层特定的标量函数,以近似归一化层,在 ImageNet-1K 上实现高精度,同时降低边缘设备的计算复杂度和内存流量。另一种方法,Circuit Fine-Tuning (CFT),使用电路发现来识别和微调 ViT 的关键模块,与标准参数高效微调技术相比,在各种基准测试中显著减少了训练时间和 FLOPs。

  20. TOOL · CL_181227 ·

    新论文统一进化计算用于自主交易信号发现

    一篇新论文提出了一个统一的进化计算(EC)视角,用于自动化公式化阿尔法发现,这是一个从符号因子空间生成交易信号的过程。该研究引入了一个六个组成部分的框架来分析现有方法,以及一个八维评估框架来指导开发更可靠和自适应的阿尔法发现系统。这种方法旨在解决诸如嘈杂的适应度估计、市场非平稳性和昂贵的历史回测等挑战。