专栏首页arxiv.org翻译专栏可区分的质量多样性

可区分的质量多样性

质量多样性(QD)是随机优化研究的一个日益增长的分支,它研究的是如何生成一个最大化给定目标函数的解决方案档案,但对于一组指定的度量函数也是多样的。然而,即使这些函数是可微的,QD算法将它们视为“黑盒”,忽略了梯度信息。我们提出了可微质量多样性(DQD)问题,这是QD的一个特例,其中目标函数和测度函数都是一阶可微的。然后,我们提出了map - elite via Gradient Arborescence (MEGA),这是一种DQD算法,利用梯度信息有效地探索目标函数和测度函数的联合范围。在两个QD基准域和StyleGAN的潜在空间搜索结果表明,MEGA算法显著优于先进的QD算法,突出了DQD在梯度信息可用时的高效质量多样性优化的前景。源代码可在https://github.com/icaros-usc/dqd上获得。

原文题目:Differentiable Quality Diversity

原文:Quality diversity (QD) is a growing branch of stochastic optimization research that studies the problem of generating an archive of solutions that maximize a given objective function but are also diverse with respect to a set of specified measure functions. However, even when these functions are differentiable, QD algorithms treat them as "black boxes", ignoring gradient information. We present the differentiable quality diversity (DQD) problem, a special case of QD, where both the objective and measure functions are first order differentiable. We then present MAP-Elites via Gradient Arborescence (MEGA), a DQD algorithm that leverages gradient information to efficiently explore the joint range of the objective and measure functions. Results in two QD benchmark domains and in searching the latent space of a StyleGAN show that MEGA significantly outperforms state-of-the-art QD algorithms, highlighting DQD's promise for efficient quality diversity optimization when gradient information is available. Source code is available at https://github.com/icaros-usc/dqd.

[可区分的质量多样性.pdf]

原文链接:https://arxiv.org/abs/2106.03894

原文作者:Matthew C. Fontaine, Stefanos Nikolaidis

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 物种数量及多样性的外推

    对于微生物群落的分析,最基本的就是得到群落的物种数量,也即OTU的数量。在此基础上,通过观察到的物种数量进行合理的外推,可以获得理论物种数。对于这两种物种数量的...

    Listenlii-生物信息知识分享
  • chip_seq质量评估之计算样本间的相关性

    在chip_seq的实验中,由于抗体反应的敏感性,生物学重复样本的一致性很难把控。为了保证重复样本具有较好的一致性,除了在实验上保证操作流程的规范化,对于测序数...

    生信修炼手册
  • 单细胞混样测序至少可以区分性别

    一直在筹备专栏《100个单细胞转录组数据降维聚类分群图表复现》,挑选到一个很有意思的文章,是:《Single-Cell Transcriptional Prof...

    生信技能树
  • 可区分的多个拍摄层

    我们详细介绍了一类新的隐式神经模型。利用微分方程的时间并行方法,多重射击层(MSLs)通过并行寻根算法寻求初值问题的解。MSLs广泛地作为神经常微分方程(neu...

    猪猪奶茶三分糖
  • 可区分的多个拍摄层

    我们详细介绍了一类新的隐式神经模型。利用微分方程的时间并行方法,多重射击层(MSLs)通过并行寻根算法寻求初值问题的解。MSLs广泛地作为神经常微分方程(neu...

    猪猪奶茶三分糖
  • NATURE COMMUNICATIONS:大脑白质网络可控性的发育增长支持了脑动力学的多样性

    白质在人脑中扮演着极为重要的角色,从神经基础看,白质是支配大脑神经冲动,感受突触刺激的中枢。在中枢神经系统内,组成各种传导束;在周围神经系统内,则集...

    用户1279583
  • 前端代码质量—怎样实现一个支持多语言、高扩展性的 Linter

    以及其他无数个争论不休的问题。这些问题困扰了广大程序员不知道多久,让多少个程序员吵得不可开交、头破血流。

    ConardLi
  • 前端代码质量—怎样实现一个支持多语言、高扩展性的 Linter

    以及其他无数个争论不休的问题。这些问题困扰了广大程序员不知道多久,让多少个程序员吵得不可开交、头破血流。

    lucifer210
  • 对代码的领悟之-高质量代码有三要素:可读性、可维护性、可变更性

      我们评价高质量代码有三要素:可读性、可维护性、可变更性。我们的代码要一个都不能少地达到了这三要素的要求才能算高质量的代码。

    Java编程指南
  • 测量异构信息网络的多样性(CS AI)

    多样性是一个与许多研究领域相关的概念,从生态学到信息论,再到经济学,举几个例子。这个概念在信息检索、网络分析和人工神经网络社区中得到了越来越多的关注。虽然在网络...

    用户6853689
  • MER:Hill numbers在多样性分析中的应用

    7)处理zero-inflated,insufficient和biased的数据。

    Listenlii-生物信息知识分享
  • 无需求文档,保障测试质量的可行性做法

    这篇文章,内容是:无需求文档的情况下,作为一个测试人员,应该如何做 ,才能保障测试质量不出问题,以及如何不背锅 ?

    IDO老徐
  • adespatial:分解beta多样性的另一种选择

    adespatial这个包功能十分强大,如还可以进行向前筛选(forward.sel)。但是注意forward.sel只能用于RDA,而vegan中的ordis...

    Listenlii-生物信息知识分享
  • OpenAI新研究:扩散模型在图像合成质量上击败BigGAN,多样性还更佳

    新模型在ImageNet512×512上实现了3.85FID,甚至在每个样本只有25次正向传递的情况下,其生成图像质量可匹敌DeepMind提出的BigGAN。

    AI科技评论
  • 衡量Facebook对研究反应的多样性(Social and Information Networks)

    在网络和现实世界中,围绕核心问题的情感共识将各种社区联系在一起。对科学发现的情感反应往往在这些核心问题中扮演着关键角色。当对科学问题有太多不同的意见时,情绪就会...

    李欣颖6837176
  • 多线程的共享变量的内存不可见性

    同步值之synchronized和volatile的区别 相同点:   synchronized 和 volatile都能用来同步共享变量 不同点: ...

    Vincent-yuan
  • 利用gganimate可视化全球范围R-Ladies(R社区性别多样性组织)发展情况

    作者:严涛 浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源。生信宝典对代码进行了系统测试和解释。

    生信宝典
  • 论文赏析[ACL18]一个句子向量表示究竟可以塞进多少语言性质?

    论文赏析[ACL18]一个句子向量表示究竟可以塞进多少语言性质?| 韦阳的博客godweiyang.com

    godweiyang
  • 分享一份高质量的数据可视化作品指南

    许多数据可视化工作者都提到一件事,就是开发可视化作品变得更简单了,但是效果难以评估。本文翻译自toptal的博文,让我们来看看优秀的可视化实践是如何实现的吧。

    1480

扫码关注云+社区

领取腾讯云代金券