Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Acceleration of Genetic Programming by Hierarchical Structure Learning: A Case Study on Image Recognition Program Synthesis Pecutan Pengaturcaraan Genetik oleh Pembelajaran Struktur Hierarki: Kajian Kes tentang Sintesis Program Pengecaman Imej

Ukrit WATCHAREERUETAI, Tetsuya MATSUMOTO, Noboru OHNISHI, Hiroaki KUDO, Yoshinori TAKEUCHI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Kami mencadangkan strategi pembelajaran untuk pecutan dalam kelajuan pembelajaran pengaturcaraan genetik (GP), dinamakan struktur hierarki GP (HSGP). HSGP mengeksploitasi berbilang nod pembelajaran (LN) yang disambungkan dalam struktur hierarki, contohnya, pokok binari. Setiap LN menjalankan proses evolusi konvensional untuk mengembangkan populasinya sendiri, dan menghantar populasi berkembang ke LN peringkat lebih tinggi yang bersambung. LN peringkat rendah mengubah populasi dengan subset data latihan yang lebih kecil. LN peringkat lebih tinggi kemudiannya mengintegrasikan populasi berkembang daripada LN peringkat rendah yang disambungkan bersama-sama, dan mengembangkan populasi bersepadu lebih jauh dengan menggunakan subset data latihan yang lebih besar. Dalam HSGP, proses evolusi dilaksanakan secara berurutan daripada LN peringkat bawah ke LN peringkat atas yang berkembang dengan keseluruhan data latihan. Dalam eksperimen, kami mengguna pakai GP konvensional dan HSGP untuk mengembangkan program pengecaman imej untuk imej latihan yang diberikan. Keputusan menunjukkan bahawa penggunaan pembelajaran struktur hierarki boleh meningkatkan kelajuan pembelajaran GP dengan ketara. Untuk mencapai prestasi yang sama, HSGP hanya memerlukan 30-40% daripada kos pengiraan yang diperlukan oleh GP konvensional.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E92-D No.10 pp.2094-2102
Tarikh penerbitan
2009/10/01
Diumumkan
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.E92.D.2094
Jenis Manuskrip
PAPER
kategori
Kecerdasan Buatan dan Sains Kognitif

Pengarang

Kata kunci

Contents [show]