Fugu-MT 論文翻訳(概要): The Importance of Good Starting Solutions in the Minimum Sum of Squares Clustering Problem

論文の概要: The Importance of Good Starting Solutions in the Minimum Sum of Squares Clustering Problem

arxiv url: http://arxiv.org/abs/2004.04593v1
Date: Mon, 6 Apr 2020 22:13:41 GMT
ステータス: 処理完了
システム内更新日: 2022-12-16 06:19:20.946588
Title: The Importance of Good Starting Solutions in the Minimum Sum of Squares Clustering Problem
Title（参考訳）: 正方形クラスタリング問題の最小和における良質な出発解の重要性
Authors: Pawel Kalczynski, Jack Brimberg and Zvi Drezner
Abstract要約: クラスタリング問題は、機械学習、オペレーションリサーチ、統計学に多くの応用がある。本稿では,改良アルゴリズムの開始解を作成するための3つのアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The clustering problem has many applications in Machine Learning, Operations Research, and Statistics. We propose three algorithms to create starting solutions for improvement algorithms for this problem. We test the algorithms on 72 instances that were investigated in the literature. Forty eight of them are relatively easy to solve and we found the best known solution many times for all of them. Twenty four medium and large size instances are more challenging. We found five new best known solutions and matched the best known solution for 18 of the remaining 19 instances.
Abstract（参考訳）: クラスタリング問題は、機械学習、オペレーション研究、統計学に多くの応用がある。本稿では,改良アルゴリズムの開始解を作成するための3つのアルゴリズムを提案する。本論文では,72件の事例を対象としたアルゴリズムを検証した。そのうちの4つは比較的解決が容易で、最もよく知られたソリューションを何度となく見つけました。 20のmediumとlarge sizeインスタンスはもっと難しい。 5つの新しい最もよく知られたソリューションを見つけ、残りの19のインスタンスのうち18の最もよく知られたソリューションにマッチした。

関連論文リスト

Navigating the Labyrinth: Evaluating and Enhancing LLMs' Ability to Reason About Search Problems [59.72548591120689]
我々は,11種類の検索問題を含む新しいベンチマークであるSearchBenchを紹介する。もっとも先進的なLCMでさえ、これらの問題をエンドツーエンドのテキストで解決することができないことを示す。 LLMにその問題を解決するコードを生成するように指示することは助けになるが、GPT4のパフォーマンスは11.7%向上した。
論文参考訳（メタデータ） (2024-06-18T00:44:58Z)
Clustering MOOC Programming Solutions to Diversify Their Presentation to Students [6.219350126324697]
多くのMOOCは、単に最新のソリューションを示し、その多様性や品質を無視し、生徒の学習機会を妨げる。 JPlagを人気のあるMOOCプラットフォームであるHyperskill上のPythonのサブミッションに適用した。我々はRhubarbという独自のツールを開発し、アルゴリズム的に同じ解を標準化し、それらの間の構造認識編集距離を計算し、クラスタリングを適用した。
論文参考訳（メタデータ） (2024-03-28T13:18:49Z)
Efficient anytime algorithms to solve the bi-objective Next Release Problem [2.8148957592979422]
次のリリース問題は、ソフトウェア製品の次のリリースで開発する要件のサブセットを選択することです。そこで我々は,探索中いつでもよく分散されたソリューション群を維持できる5つの新しい手法を提案する。
論文参考訳（メタデータ） (2024-02-07T05:03:31Z)
Invex Programs: First Order Algorithms and Their Convergence [66.40124280146863]
Invexプログラムは、固定点ごとに世界最小値が得られる特別な非制約問題である。そこで我々は,超凸問題における一般収束率を解くために,新しい一階法アルゴリズムを提案する。提案アルゴリズムは,制約付き凸プログラムを解く最初のアルゴリズムである。
論文参考訳（メタデータ） (2023-07-10T10:11:01Z)
Randomized Greedy Algorithms and Composable Coreset for k-Center Clustering with Outliers [11.546734084378683]
外れ値の存在は計算の複雑さを著しく増大させる。我々のアイデアは、通常の$k$-centerクラスタリング問題を解決するために開発されたgreedy法にインスパイアされている。
論文参考訳（メタデータ） (2023-01-07T09:26:01Z)
An Adaptive Repeated-Intersection-Reduction Local Search for the Maximum Independent Set Problem [5.459881847627117]
独立集合問題(英: independent set (MIS) problem)は、様々な分野で応用される古典的なNPハード問題である。我々は、ARIRと呼ばれるMISの効率的な局所探索アルゴリズムを提案する。最先端の4つのアルゴリズムと比較して、ARIRは89のインスタンスで最高の精度を提供し、残りの3つのインスタンスで競合する結果を得る。
論文参考訳（メタデータ） (2022-08-16T14:39:38Z)
Learning to Solve Hard Minimal Problems [6.117371161379209]
本稿では,RANSACフレームワークにおける厳密な幾何最適化問題の解法を提案する。難解な最小の問題は、元の幾何最適化問題を多くの急激な解を持つ最小の問題に緩和することから生じる。
論文参考訳（メタデータ） (2021-12-06T23:51:20Z)
Algorithm Selection on a Meta Level [58.720142291102135]
本稿では,与えられたアルゴリズムセレクタの組み合わせに最適な方法を求めるメタアルゴリズム選択の問題を紹介する。本稿では,メタアルゴリズム選択のための一般的な方法論フレームワークと,このフレームワークのインスタンス化として具体的な学習手法を提案する。
論文参考訳（メタデータ） (2021-07-20T11:23:21Z)
Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-01-07T08:00:02Z)
Towards Meta-Algorithm Selection [78.13985819417974]
インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
論文参考訳（メタデータ） (2020-11-17T17:27:33Z)
Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。最小クラスタ回復誤差率のアルゴリズムを考案する。適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
論文参考訳（メタデータ） (2019-10-14T09:18:26Z)

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。