抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本レターでは,進化的多目的最適化におけるハイパーボリューム近似のための新しい方法であるHV-Netを提案する。HV-Netの基本的アイデアは,非支配解集合のハイパーボリュームを近似するために,置換不変特性を有する深いニューラルネットワークであるDeepSetsを用いることである。HV-Netの入力は目的空間における非支配解集合であり,出力はこの解集合の近似超体積値である。HV-Netの性能を,2つの一般的に用いられるハイパーボリューム近似法(即ち,点ベース法とラインベース法)と比較して,計算実験を通して評価した。著者らの実験結果は,HV-Netが近似誤差と実行時間の両方に関して他の2つの方式より優れていて,それはハイパーボリューム近似のために深い学習技術を使用する可能性を示した。【JST・京大機械翻訳】