論文の概要: Ising-based Consensus Clustering on Specialized Hardware

• arxiv url: http://arxiv.org/abs/2003.01887v1
• Date: Wed, 4 Mar 2020 04:37:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 12:39:59.797608
• Title: Ising-based Consensus Clustering on Specialized Hardware
• Title（参考訳）: 専用ハードウェア上での ising ベースのコンセンサスクラスタリング
• Authors: Eldan Cohen, Avradip Mandal, Hayato Ushijima-Mwesigwa, and Arnab Roy
• Abstract要約: コンセンサスクラスタリングのための2つのIsingモデルを提案し、量子に着想を得たCMOSアニールであるFujitsu Digital Annealerを用いて評価する。 我々の経験的評価は、我々のアプローチが既存の技術より優れており、将来の研究にとって有望な方向であることを示している。
• 参考スコア（独自算出の注目度）: 8.422534483624657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of specialized optimization hardware such as CMOS annealers and adiabatic quantum computers carries the promise of solving hard combinatorial optimization problems more efficiently in hardware. Recent work has focused on formulating different combinatorial optimization problems as Ising models, the core mathematical abstraction used by a large number of these hardware platforms, and evaluating the performance of these models when solved on specialized hardware. An interesting area of application is data mining, where combinatorial optimization problems underlie many core tasks. In this work, we focus on consensus clustering (clustering aggregation), an important combinatorial problem that has received much attention over the last two decades. We present two Ising models for consensus clustering and evaluate them using the Fujitsu Digital Annealer, a quantum-inspired CMOS annealer. Our empirical evaluation shows that our approach outperforms existing techniques and is a promising direction for future research.
• Abstract（参考訳）: CMOSアニールや断熱量子コンピュータのような特殊な最適化ハードウェアの出現は、ハードウェアにおいてより効率的にハード組合せ最適化問題を解くことを約束する。 近年の研究では、イジングモデルのような異なる組合せ最適化問題や、多くのハードウェアプラットフォームで使われているコア数学的抽象化、特殊なハードウェア上でのこれらのモデルの性能評価に焦点が当てられている。 興味深い応用分野はデータマイニング(data mining)で、組合せ最適化問題は多くのコアタスクを満たしている。 本研究では,過去20年間に注目されてきた重要な組合せ問題であるコンセンサス・クラスタリング(クラスタリング・アグリゲーション)に注目した。 コンセンサスクラスタリングのための2つのIsingモデルを提案し、量子に着想を得たCMOSアニールであるFujitsu Digital Annealerを用いて評価する。 我々の経験的評価は、我々のアプローチが既存の技術より優れており、将来の研究にとって有望な方向であることを示している。

関連論文リスト

• Decision-focused Graph Neural Networks for Combinatorial Optimization [62.34623670845006]
  最適化問題に取り組むための新たな戦略は、従来のアルゴリズムに代わるグラフニューラルネットワーク(GNN)の採用である。 GNNや従来のアルゴリズムソルバがCOの領域で人気が高まっているにもかかわらず、それらの統合利用とエンドツーエンドフレームワークにおけるそれらの相関について限定的な研究がなされている。 我々は、GNNを利用してCO問題に補助的なサポートで対処する決定に焦点を当てたフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-06-05T22:52:27Z)
• Exact Combinatorial Optimization with Temporo-Attentional Graph Neural Networks [17.128882942475]
  本稿では,機械学習アルゴリズムの時間的特徴と注意点の2つの重要な側面について検討する。 分岐とバウンド(B&B)アルゴリズムにおける変数選択のタスクでは、時間情報と二部グラフの注意を組み込むことで、解法の性能が向上すると主張している。
  論文  参考訳（メタデータ） (2023-11-23T08:07:15Z)
• Multi-Objective Optimization and Network Routing with Near-Term Quantum Computers [0.2150989251218736]
  我々は,多目的最適化問題を解くために,近距離量子コンピュータを応用できる手法を開発した。 量子近似最適化アルゴリズム(QAOA)に基づく実装に焦点を当てる。
  論文  参考訳（メタデータ） (2023-08-16T09:22:01Z)
• A Study of Scalarisation Techniques for Multi-Objective QUBO Solving [0.0]
  量子および量子に着想を得た最適化アルゴリズムは、学術ベンチマークや実世界の問題に適用した場合に有望な性能を示す。 しかし、QUBOソルバは単目的解法であり、複数の目的による問題の解法をより効率的にするためには、そのような多目的問題を単目的問題に変換する方法を決定する必要がある。
  論文  参考訳（メタデータ） (2022-10-20T14:54:37Z)
• Tree ensemble kernels for Bayesian optimization with known constraints over mixed-feature spaces [54.58348769621782]
  木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。 ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。 我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2022-07-02T16:59:37Z)
• Ising machines as hardware solvers of combinatorial optimization problems [1.8732539895890135]
  イジングマシンは、アイジングモデルの絶対的あるいは近似的な基底状態を見つけることを目的としたハードウェアソルバである。 既存の標準デジタルコンピュータより優れたスケーラブルなIsingマシンは、実用アプリケーションに大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2022-04-01T08:24:06Z)
• The Machine Learning for Combinatorial Optimization Competition (ML4CO): Results and Insights [59.93939636422896]
  ML4COは、キーコンポーネントを置き換えることで最先端の最適化問題を解決することを目的としている。 このコンペティションでは、最高の実現可能なソリューションを見つけること、最も厳密な最適性証明書を生成すること、適切なルーティング設定を提供すること、という3つの課題があった。
  論文  参考訳（メタデータ） (2022-03-04T17:06:00Z)
• Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
  マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。 これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。 本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:59:20Z)
• Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
  マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。 我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。 コア最適化問題の実用的なパラメトリゼーションを提供する。
  論文  参考訳（メタデータ） (2021-07-08T18:01:02Z)
• Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
  本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。 本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
  論文  参考訳（メタデータ） (2021-05-06T02:22:23Z)
• Ising-Based Louvain Method: Clustering Large Graphs with Specialized Hardware [0.0]
  現時点および短期のハードウェア制限を考えると、大規模な実世界の問題を表現するのに必要な変数の数は、ハードウェアの能力をはるかに上回っている。 本研究では,既存の最先端アルゴリズムのフレームワーク上に構築されたハイブリッド手法の開発を提唱する。
  論文  参考訳（メタデータ） (2020-12-06T20:11:00Z)

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。