Transfer Learning in Artificial Bee Colony Programming


Bozoğullarından E., Bozoğullarından C. , Öztürk C.

Innovations in Intelligent Systems and Applications Conference (ASYU), 15 - 17 Ekim 2020, ss.1-7

Özet

Yapay Arı Koloni Programlama (ABCP), Yapay Arı Koloni (ABC) algoritmasına dayanan parametrik ve yapısal optimizasyon için kullanılan bir makine ögrenmesi metodudur. Genetik Programlama (GP) gibi, sembolik regresyon problemlerinin çözümünde kullanılır. Transfer öğrenme ise daha önce belli bir problem için egitilmiş olan bir sistemin bilgisinin, benzer dağılıma sahip farklı bir problemde kullanılması yaklaşımıdır. Literatürde, transfer ögrenme yakla¸sımının klasik makine ögrenmesi tekniklerine ve GP’ye uygulanarak başarılı sonuçlar elde edildiği çalışmalar bulunmaktadır. Bu çalışmada ise transfer öğrenme yaklaşımı ABCP’ye ilk defa uygulanmış ve ortaya çıkan yeni algoritmaların tümü ABCP-T olarak adlandırılmıştır. Literatürdeki bazı sembolik regresyon problemleri ile gerçekleştirilen deneyler sonucunda, ABCP-T’nin, standart ABCP’ye göre daha başarılı sonuçlar elde ettiği gözlemlenmiştir.

Artificial Bee Colony Programming (ABCP) is a machine learning method based on Artificial Bee Colony (ABC) algorithm used for parametric and structured optimization problems. It is used for the solution of symbolic regression problems as Genetic Programming (GP). On the other hand, transfer learning is the approach of using the knowledge of a system trained for a particular problem in another problem having a similar distribution. There are a number of research studies in the literature reporting the successful applications of the transfer learning to machine learning and GP. In this study, the transfer learning approach is applied to ABCP for the first time and all of the new methods created this way are named as ABCP-T. As a result of the experiments conducted for the symbolic regression problems in the literature, it is observed that ABCP-T gives better results than the standard ABCP.