跳到页脚
雷竞技是骗人的 人工智能 /机器学习 可再发展性ES:可扩展和直接优化可发展性

可再发展性ES:可扩展和直接优化可发展性

抽象的

设计能够揭示高度进化表示的进化算法是一个开放的挑战。这种发展性很重要,因为它加速了进化并能够快速适应不断变化的环境。本文介绍了一种进化算法,该算法旨在明确有效地优化可发展性,即进一步适应的能力。洞察力是,有可能在自然进化策略的精神中得出一个新颖的目标,该目标是在个人受到随机突变的约束时最大化行为的多样性,并通过计算有效地扩展。2-D和3-D运动任务的实验突出了可进化性ES生成具有数以万计参数的溶液的潜力,这些参数可以迅速适应以解决不同的任务,并且可以有效地播种进一步发展。我们进一步强调了可发展性与最近基于梯度的元学习算法MAML之间的联系;结果表明,可进化性ES可以与MAML竞争性能,并且发现具有不同特性的解决方案。结论是,可发展性ES开辟了研究和利用可发展的代表性对深神经网络的潜力的新型研究方向。雷竞技是骗人的

作者

亚历山大·盖朱斯基(Alexander Gajewski),,,,杰夫·克莱恩(Jeff Clune),,,,肯尼思·斯坦利(Kenneth O. Stanley),,,,乔尔·雷曼(Joel Lehman)

会议

GECCO 2019

完整的纸

‘可发展性ES:可扩展和直接优化可发展性’(PDF)

Uber AI

注释
上一篇文章 使用延迟采样的活着的粒子过滤器,用于进化的出生死亡模型的概率编程
下一篇文章 预算培训:在资源限制下重新思考深度神经网络培训
Alex Gajewski
Alex Gajewski是哥伦比亚大学学习数学和计算机科学的三年级本科生,并且是Uber AI的2018年夏季实习生。他对像机器学习这样的新兴技术的潜力感到兴奋,以改变我们彼此和我们自己互动的方式。
杰夫·克莱恩(Jeff Clune)
杰夫·克莱恩(Jeff Clune)是怀俄明大学(University of Wyoming)计算机科学的前Loy和Edith Harris副教授,他是Uber AI Labs的高级研究经理和创始成员,目前是OpenAI的研究团队负责人。雷竞技是骗人的杰夫通过深度学习和深入的强化学习专注于机器人技术和培训神经网络。他还使用进化的计算模型研雷竞技是骗人的究了进化生物学的开放问题,包括研究模块化,层次结构和进化性的进化起源。在成为教授之前,他曾是康奈尔大学的研究科学家,获得了计算机科学博士学位和密歇根州雷竞技是骗人的立大学的哲学硕士学位,并获得了密歇根大学的哲学学士学位。有关Jeff研究的更多信息,请访问j雷竞技是骗人的effclune.com
肯尼思·斯坦利(Kenneth O. Stanley)
在全日制加入Uber AI实验室之前,Ken曾是中部佛罗里达大学计算机科学副教授(他目前正在休假)。他是神经进化的领导者(将神经网络与进化技术相结合),在那里他帮助发明了诸如整洁,CPPN,HyperNeat和新颖搜索之类的突出算法。他的想法也通过最近的流行科学书《为什么不能计划伟大:目标神话》吸引了更广泛的观众。
乔尔·雷曼(Joel Lehman)
乔尔·雷曼(Joel Lehman)曾是哥本哈根IT大学的助理教授,研究了神经网络,进化算法和增强学习。雷竞技是骗人的