論文の概要: ProjectionPathExplorer: Exploring Visual Patterns in Projected
Decision-Making Paths
- arxiv url: http://arxiv.org/abs/2001.08372v3
- Date: Mon, 18 Jul 2022 10:02:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-08 05:21:44.772984
- Title: ProjectionPathExplorer: Exploring Visual Patterns in Projected
Decision-Making Paths
- Title（参考訳）: ProjectionPathExplorer: 投影された意思決定パスにおける視覚パターンの探索
- Authors: Andreas Hinterreiter and Christian Steinparz and Moritz Sch\"ofl and
Holger Stitz and Marc Streit
- Abstract要約: 問題解決において、解決策への道は一連の決定と見なすことができる。
これらのパターンを解釈することで、問題解決の課題や解決戦略に関する一般的な言明を実現できると論じる。
さまざまなアプリケーション領域における人的および機械的決定から生じる軌跡の中で,このようなパターンを探索し,特徴付ける。
- 参考スコア（独自算出の注目度）: 2.415493883208095
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In problem-solving, a path towards solutions can be viewed as a sequence of
decisions. The decisions, made by humans or computers, describe a trajectory
through a high-dimensional representation space of the problem. By means of
dimensionality reduction, these trajectories can be visualized in
lower-dimensional space. Such embedded trajectories have previously been
applied to a wide variety of data, but analysis has focused almost exclusively
on the self-similarity of single trajectories. In contrast, we describe
patterns emerging from drawing many trajectories -- for different initial
conditions, end states, and solution strategies -- in the same embedding space.
We argue that general statements about the problem-solving tasks and solving
strategies can be made by interpreting these patterns. We explore and
characterize such patterns in trajectories resulting from human and
machine-made decisions in a variety of application domains: logic puzzles
(Rubik's cube), strategy games (chess), and optimization problems (neural
network training). We also discuss the importance of suitably chosen
representation spaces and similarity metrics for the embedding.
- Abstract（参考訳）: 問題解決において、解決策への道は一連の決定と見なすことができる。
人間やコンピュータによってなされた決定は、問題の高次元表現空間を通して軌道を記述する。
次元の減少により、これらの軌道は低次元空間で可視化できる。
このような埋め込み軌道は、以前は様々なデータに適用されてきたが、分析は単一軌道の自己相似性にのみ焦点を絞っている。
対照的に、同じ埋め込み空間において、多くの軌道 -- 異なる初期条件、エンド状態、およびソリューション戦略 -- を描き出すパターンを記述します。
これらのパターンを解釈することで、問題解決の課題や解決戦略に関する一般的な言明を実現できると論じる。
我々は,論理パズル(rubik's cube),戦略ゲーム(chess),最適化問題(neural network training)など,さまざまなアプリケーション領域において,人間および機械による意思決定から生じる軌跡のパターンを探索し,特徴付ける。
また,組込みにおける適切な表現空間と類似度指標の重要性についても考察する。
関連論文リスト
- On Probabilistic Embeddings in Optimal Dimension Reduction [1.2085509610251701]
次元減少アルゴリズムは多くのデータサイエンスパイプラインの重要な部分である。
広く利用されているにもかかわらず、多くの非線形次元還元アルゴリズムは理論的観点からは理解されていない。
論文 参考訳（メタデータ） (2024-08-05T12:46:21Z) - High-dimensional manifold of solutions in neural networks: insights from
statistical physics [0.0]
ニューラルネットワークに対する統計力学のアプローチを概観し、連立的な重み付きパーセプトロンアーキテクチャのパラダイム的な例に注目した。
ゼロトレーニングエラー構成が幾何学的にどのように配置されているかを明らかにする最近の研究について論じる。
論文 参考訳（メタデータ） (2023-09-17T11:10:25Z) - Ideal Abstractions for Decision-Focused Learning [108.15241246054515]
本稿では,決定関連情報の損失を最小限に抑えるために,出力空間を自動的に構成する手法を提案する。
本手法は,ディープニューラルネットワークトレーニングのためのデータ取得と,閉ループ山火事管理タスクの2つの領域で実証する。
論文 参考訳（メタデータ） (2023-03-29T23:31:32Z) - Explainable Data-Driven Optimization: From Context to Decision and Back
Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。
本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。
在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文 参考訳（メタデータ） (2023-01-24T15:25:16Z) - Geometric Methods for Sampling, Optimisation, Inference and Adaptive
Agents [102.42623636238399]
我々は,サンプリング,最適化,推論,適応的意思決定といった問題に根ざした基本的な幾何学的構造を同定する。
これらの問題を効率的に解くためにこれらの幾何学的構造を利用するアルゴリズムを導出する。
論文 参考訳（メタデータ） (2022-03-20T16:23:17Z) - Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。
ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。
提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文 参考訳（メタデータ） (2022-03-07T07:40:33Z) - Motion Planning by Learning the Solution Manifold in Trajectory
Optimization [6.127237810365965]
本稿では,運動計画問題に対する無限の解集合を生成する最適化手法を提案する。
結果は、実験モデルが運動計画問題のホモトピー解の無限集合を表すことを示している。
論文 参考訳（メタデータ） (2021-07-13T04:47:47Z) - Hierarchical Representation Learning for Markov Decision Processes [9.904746542801837]
マルコフ決定過程の階層的表現を学習するための新しい手法を提案する。
我々の手法は状態空間をサブセットに分割することで機能し、パーティション間の遷移を実行するためのサブタスクを定義する。
本手法は,ナビゲーション領域において有用な階層表現をうまく学習できることを示し,実証的に検証する。
論文 参考訳（メタデータ） (2021-06-03T07:53:18Z) - A review of approaches to modeling applied vehicle routing problems [77.34726150561087]
車両経路問題のモデル化手法について概説する。
モデリング手法を評価するためのいくつかの基準を定式化する。
我々はVRPドメインのモデリング分野における今後の研究の道について論じる。
論文 参考訳（メタデータ） (2021-05-23T14:50:14Z) - Neural Topological SLAM for Visual Navigation [112.73876869904]
意味論を生かし、近似幾何学的推論を行う空間のトポロジ的表現を設計する。
本稿では,ノイズのあるアクティベーションの下でそのような表現を構築し,維持し,使用することができる教師付き学習ベースアルゴリズムについて述べる。
論文 参考訳（メタデータ） (2020-05-25T17:56:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。