MétaCan
Menu
Retour à la cohorte
Enregistrement W4248338987 · doi:10.1093/obo/9780199941728-0122

Evolutionary Computation

2019· reference-entry· en· W4248338987 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typereference-entry
Langueen
DomaineComputer Science
ThématiqueEvolutionary Algorithms and Applications
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEvolutionary computationBenchmark (surveying)Evolutionary algorithmHeuristicSelection (genetic algorithm)ComputationInteractive evolutionary computationEvolution strategyEvolutionary programmingArtificial intelligenceMachine learningTheoretical computer scienceAlgorithm

Résumé

récupéré en direct d'OpenAlex

Evolutionary computation (EC) is the area of computer science and engineering that concerns itself with algorithms derived from formalizing natural evolution. This is part of a larger effort to draw inspiration from biological systems for computational purposes. Evolutionary computation methods have been used to solve optimization problems, to model systems, and to recognize patterns among other application tasks. Due to their reliance on stochasticity, they are characterized as heuristic search methods. The main features of evolutionary computation methods are their reliance on populations of searchers, the stochasticity of the search processes through mutation and recombination operations, and the application of relative strength as their selection criterion. The principle of cumulative selection allows searchers to continuously improve solutions until predefined termination criteria for the algorithms are fulfilled. The literature on evolutionary computation is comprised of a large body of proposals for algorithmic variants including hybridization schemes with other algorithms; of theoretical examinations of convergence features and other characteristics of particular variants; and of empirical studies of their performance under various testing environments, which are either constructed artificially or taken from practical applications to benchmark these variants. Furthermore, individual practical applications are published as stand-alone contributions to various fields of engineering, science, and other disciplines. Besides explicit fitness, the selection criteria for solution quality driven by external purposes like particular applications, other algorithms are studied under intrinsic selection criteria like reproductive success in an environment. Algorithms of this type come under the heading of digital or computational evolution and intend to more closely model the natural systems EC algorithms draw inspiration from. This entails studies of robustness and evolvability under various systems settings, as well as examinations of the power of algorithms to provide creative novel solutions under more-natural conditions like in an ecosystem.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,267
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEvolutionary Algorithms and ApplicationsTravaux en français237 207