論文の概要: Relaxed Dual Optimal Inequalities for Relaxed Columns: with Application to Vehicle Routing

• arxiv url: http://arxiv.org/abs/2004.05499v1
• Date: Sat, 11 Apr 2020 22:28:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 12:51:01.448255
• Title: Relaxed Dual Optimal Inequalities for Relaxed Columns: with Application to Vehicle Routing
• Title（参考訳）: 緩和されたカラムに対する2重最適不等式:車両経路への適用
• Authors: Naveed Haghani, Claudio Contardo, Julian Yarkony
• Abstract要約: 我々は、最近導入された滑らかで柔軟な双対最適不等式(DOI)を緩和カラムで使用するために利用した。 ベンチマークデータセットの大幅な高速化を示すと同時に,緩和の弱さを確実には示さない。
• 参考スコア（独自算出の注目度）: 1.5404996249867497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address the problem of accelerating column generation for set cover problems in which we relax the state space of the columns to do efficient pricing. We achieve this by adapting the recently introduced smooth and flexible dual optimal inequalities (DOI) for use with relaxed columns. Smooth DOI exploit the observation that similar items are nearly fungible, and hence should be associated with similarly valued dual variables. Flexible DOI exploit the observation that the change in cost of a column induced by removing an item can be bounded. We adapt these DOI to the problem of capacitated vehicle routing in the context of ng-route relaxations. We demonstrate significant speed ups on a benchmark data set, while provably not weakening the relaxation.
• Abstract（参考訳）: 我々は,効率的な価格設定を実現するために,列の状態空間を緩和する集合被覆問題に対して,列生成を加速する問題に対処する。 我々は、最近導入された滑らかでフレキシブルな双対最適不等式(DOI)を緩和カラムで使用するために適用することで、これを実現する。 Smooth DOI は、類似の項目がほぼ面白く、従って同様の値を持つ双対変数に関連付けられなければならないという観察を生かしている。 フレキシブルDOIは、アイテムの除去によって引き起こされるカラムのコスト変化をバウンドすることができるという観察を利用する。 我々はこれらのDOIを、ng経路緩和の文脈で容量化車両ルーティングの問題に適用する。 ベンチマークデータセットの大幅な高速化を実証するが、緩和を弱めることはない。

関連論文リスト

• CURLoRA: Stable LLM Continual Fine-Tuning and Catastrophic Forgetting Mitigation [0.0]
  CURLoRAは、大規模な言語モデルを微調整するための新しいアプローチである。 破滅的な忘れ込みを軽減し、訓練可能なパラメータの数を減らします。 モデルの安定性とタスク間のパフォーマンスを維持しながら、トレーニング可能なパラメータの数を著しく削減します。
  論文  参考訳（メタデータ） (2024-08-26T18:42:59Z)
• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• Learning to Rematch Mismatched Pairs for Robust Cross-Modal Retrieval [49.07523607316323]
  実世界のシナリオでは、大規模なマルチモーダルデータは、必然的にPMP(Partially Mismatched Pairs)を含むインターネットから収集される。 従来の取り組みでは、PMPの貢献度を下げるためのソフトな対応を推定することで、この問題を軽減する傾向があった。 我々は、ミスマッチペアの再マッチを学習する最適輸送(OT)に基づく一般的なフレームワークであるL2RMを提案する。
  論文  参考訳（メタデータ） (2024-03-08T07:09:30Z)
• Fast and Accurate Dual-Way Streaming PARAFAC2 for Irregular Tensors -- Algorithm and Application [25.241802754640958]
  そこで我々はDashを提案する。Dashは、双方向ストリーミング環境で動作する、効率的かつ正確なPARAFAC2分解法である。 Dashは、新たに到着したデータに対する既存のPARAFAC2分解手法よりも14.0倍高速である。 また、サブプライム・モルトゲージ危機やCOVID-19など、現実世界のデータセットの異常を検出するための発見も提供します。
  論文  参考訳（メタデータ） (2023-05-28T05:56:47Z)
• Implicit Bayes Adaptation: A Collaborative Transport Approach [25.96406219707398]
  領域適応は、高次元ユークリッド空間に埋め込まれた非線型部分多様体に本質的に横たわる各データの固有表現に根付いていることを示す。 これは暗黙のベイズ的フレームワークに準じるものであり、ドメイン適応に対するより堅牢で優れたパフォーマンスのアプローチで実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-04-17T14:13:40Z)
• Interactively Learning Preference Constraints in Linear Bandits [100.78514640066565]
  我々は、既知の報酬と未知の制約で逐次意思決定を研究する。 応用として,運転シミュレーションにおいて,人間の嗜好を表現するための学習制約を検討する。
  論文  参考訳（メタデータ） (2022-06-10T17:52:58Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Sketching as a Tool for Understanding and Accelerating Self-attention for Long Sequences [52.6022911513076]
  トランスフォーマーベースのモデルは、自己アテンションモジュールの二次空間と時間的複雑さのために、長いシーケンスを処理するのに効率的ではない。 我々はLinformerとInformerを提案し、低次元投影と行選択により2次複雑性を線形(モジュラー対数因子)に還元する。 理論的解析に基づいて,Skeinformerを提案することにより,自己注意の促進と,自己注意への行列近似の精度の向上を図ることができる。
  論文  参考訳（メタデータ） (2021-12-10T06:58:05Z)
• Robust Optimal Transport with Applications in Generative Modeling and Domain Adaptation [120.69747175899421]
  ワッサーシュタインのような最適輸送(OT)距離は、GANやドメイン適応のようないくつかの領域で使用されている。 本稿では,現代のディープラーニングアプリケーションに適用可能な,ロバストなOT最適化の計算効率のよい2つの形式を提案する。 提案手法では, ノイズの多いデータセット上で, 外部分布で劣化したGANモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-10-12T17:13:40Z)

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。