Buchumschlag

Runtime Analysis of Evolutionary NAS for Multiclass Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lv, Zeqiong, Qian, Chao, Liu, Yun, Fan, Jiahao, Sun, Yanan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A First Step Towards Runtime Analysis of Evolutionary Neural Architecture Search
von: Lv, Zeqiong, et al.
Veröffentlicht: (2024)

Analyzing the Expected Hitting Time of Evolutionary Computation-based Neural Architecture Search Algorithms
von: Lv, Zeqiong, et al.
Veröffentlicht: (2022)

Efficient Evaluation Methods for Neural Architecture Search: A Survey
von: Song, Xiaotian, et al.
Veröffentlicht: (2023)

Runtime Analysis for Multi-Objective Evolutionary Algorithms in Unbounded Integer Spaces
von: Doerr, Benjamin, et al.
Veröffentlicht: (2024)

Runtime Analysis of Evolutionary Algorithms for Multi-party Multi-objective Optimization
von: Sun, Yuetong, et al.
Veröffentlicht: (2025)

Runtime Analysis for Permutation-based Evolutionary Algorithms
von: Doerr, Benjamin, et al.
Veröffentlicht: (2022)

A First Running Time Analysis of the Strength Pareto Evolutionary Algorithm 2 (SPEA2)
von: Ren, Shengjie, et al.
Veröffentlicht: (2024)

Near-Tight Runtime Guarantees for Many-Objective Evolutionary Algorithms
von: Wietheger, Simon, et al.
Veröffentlicht: (2024)

Runtime Performance of Evolutionary Algorithms for the Chance-constrained Makespan Scheduling Problem
von: Shi, Feng, et al.
Veröffentlicht: (2022)

Tight Runtime Bounds for Static Unary Unbiased Evolutionary Algorithms on Linear Functions
von: Doerr, Carola, et al.
Veröffentlicht: (2023)

Maintaining Diversity Provably Helps in Evolutionary Multimodal Optimization
von: Ren, Shengjie, et al.
Veröffentlicht: (2024)

Runtime Analysis of Single- and Multi-Objective Evolutionary Algorithms for Chance Constrained Optimization Problems with Normally Distributed Random Variables
von: Neumann, Frank, et al.
Veröffentlicht: (2021)

An Archive Can Bring Provable Speed-ups in Multi-Objective Evolutionary Algorithms
von: Bian, Chao, et al.
Veröffentlicht: (2024)

Migrant Resettlement by Evolutionary Multi-objective Optimization
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2023)

First Mathematical Runtime Analyses of Multi-Objective Evolutionary Algorithms for Multi-Valued Decision Variables
von: Li, Mingfeng, et al.
Veröffentlicht: (2026)

Analyzing the Runtime of the Gene-pool Optimal Mixing Evolutionary Algorithm (GOMEA) on the Concatenated Trap Function
von: Qiao, Yukai, et al.
Veröffentlicht: (2024)

Peptide Vaccine Design by Evolutionary Multi-Objective Optimization
von: Liu, Dan-Xuan, et al.
Veröffentlicht: (2024)

G-EvoNAS: Evolutionary Neural Architecture Search Based on Network Growth
von: Zou, Juan, et al.
Veröffentlicht: (2024)

Not Just for Archiving: Provable Benefits of Reusing the Archive in Evolutionary Multi-objective Optimization
von: Ren, Shengjie, et al.
Veröffentlicht: (2025)

Runtime Analysis of Competitive co-Evolutionary Algorithms for Maximin Optimisation of a Bilinear Function
von: Lehre, Per Kristian
Veröffentlicht: (2022)

A Theoretical Perspective on Why Stochastic Population Update Needs an Archive in Evolutionary Multi-objective Optimization
von: Ren, Shengjie, et al.
Veröffentlicht: (2025)

Runtime Analysis of the SMS-EMOA for Many-Objective Optimization
von: Zheng, Weijie, et al.
Veröffentlicht: (2023)

Runtime Analysis of Evolutionary Diversity Optimization on the Multi-objective (LeadingOnes, TrailingZeros) Problem
von: Antipov, Denis, et al.
Veröffentlicht: (2024)

CAP: A Context-Aware Neural Predictor for NAS
von: Ji, Han, et al.
Veröffentlicht: (2024)

Runtime Analysis of the Compact Genetic Algorithm on the LeadingOnes Benchmark
von: Chwiałkowski, Marcel, et al.
Veröffentlicht: (2025)

On the Problem Characteristics of Multi-objective Pseudo-Boolean Functions in Runtime Analysis
von: Liang, Zimin, et al.
Veröffentlicht: (2025)

On the Impact of Crossover in Many-Objective Optimization: A Runtime Analysis of NSGA-III
von: Opris, Andre
Veröffentlicht: (2026)

A Theoretical Analysis of Analogy-Based Evolutionary Transfer Optimization
von: Xue, Xiaoming, et al.
Veröffentlicht: (2025)

Stochastic Population Update Can Provably Be Helpful in Multi-Objective Evolutionary Algorithms
von: Bian, Chao, et al.
Veröffentlicht: (2023)

A Runtime Analysis of the Multi-Valued Compact Genetic Algorithm on Generalized LeadingOnes
von: Adak, Sumit, et al.
Veröffentlicht: (2025)

Runtime Analysis of a Multi-Valued Compact Genetic Algorithm on Generalized OneMax
von: Adak, Sumit, et al.
Veröffentlicht: (2024)

Evolutionary Generative Optimization: Towards Fully Data-Driven Evolutionary Optimization via Generative Learning
von: Jiang, Tao, et al.
Veröffentlicht: (2025)

Analysis of Evolutionary Diversity Optimisation for the Maximum Matching Problem
von: Harder, Jonathan Gadea, et al.
Veröffentlicht: (2024)

Drift Analysis with Fitness Levels for Elitist Evolutionary Algorithms
von: He, Jun, et al.
Veröffentlicht: (2023)

Evolutionary Optimization of Model Merging Recipes
von: Akiba, Takuya, et al.
Veröffentlicht: (2024)

Evolutionary Multitasking AUC Optimization
von: Wang, Chao, et al.
Veröffentlicht: (2022)

Runtime Analysis of a Compact Genetic Algorithm on a Truly Multi-valued OneMax Function
von: Krejca, Martin S., et al.
Veröffentlicht: (2026)

Language Model Evolutionary Algorithms for Recommender Systems: Benchmarks and Algorithm Comparisons
von: Liu, Jiao, et al.
Veröffentlicht: (2024)

Evolutionary Spiking Neural Networks: A Survey
von: Shen, Shuaijie, et al.
Veröffentlicht: (2024)

A Compute and Communication Runtime Model for Loihi 2
von: Timcheck, Jonathan, et al.
Veröffentlicht: (2026)