論文の概要: Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization

• arxiv url: http://arxiv.org/abs/2004.07715v1
• Date: Thu, 16 Apr 2020 15:49:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 21:12:33.833037
• Title: Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization
• Title（参考訳）: 離散エネルギー最小化のための二重ブロック座標昇華法の分類
• Authors: Siddharth Tourani, Alexander Shekhovtsov, Carsten Rother, Bogdan Savchynskyy
• Abstract要約: 離散的グラフィカルモデルにおける最大姿勢推定問題と、二重ブロック座標法に基づく解法について考察する。 既存のすべてのソルバをひとつのフレームワークにマッピングし、設計原則をより深く理解できるようにします。
• 参考スコア（独自算出の注目度）: 96.1052289276254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the maximum-a-posteriori inference problem in discrete graphical models and study solvers based on the dual block-coordinate ascent rule. We map all existing solvers in a single framework, allowing for a better understanding of their design principles. We theoretically show that some block-optimizing updates are sub-optimal and how to strictly improve them. On a wide range of problem instances of varying graph connectivity, we study the performance of existing solvers as well as new variants that can be obtained within the framework. As a result of this exploration we build a new state-of-the art solver, performing uniformly better on the whole range of test instances.
• Abstract（参考訳）: 離散グラフィカルモデルにおける最大ポストエリリ推定問題を考察し,双対ブロック座標昇降則に基づく解法を考察する。 既存のすべてのソルバを単一のフレームワークにマップすることで、設計原則をより理解できるようになります。 理論的には、いくつかのブロック最適化更新はサブ最適化であり、それらを厳密に改善する方法を示す。 様々なグラフ接続の幅広い問題事例について,既存の解法およびフレームワーク内で得られる新しい変法の性能について検討する。 この調査の結果、私たちは新しい最先端のアートソルバを構築し、テストインスタンスの全範囲で均一にパフォーマンスを向上しました。

関連論文リスト

• Neural Multi-Objective Combinatorial Optimization with Diversity Enhancement [33.28756549307025]
  本稿では,多目的最適化(MOCO)問題に対するダイバーシティ強化(NHDE)を新たに提案する。 NHDEは、多様性の高いParetoフロントを生成することができ、それによって全体的なパフォーマンスを向上できることを示す。 我々のNHDEは汎用的であり、MOCOの異なるニューラルメソッドに適用できる。
  論文  参考訳（メタデータ） (2023-10-22T08:50:57Z)
• Best-Effort Adaptation [62.00856290846247]
  本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。 これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。 本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
  論文  参考訳（メタデータ） (2023-05-10T00:09:07Z)
• MultiZenoTravel: a Tunable Benchmark for Multi-Objective Planning with Known Pareto Front [71.19090689055054]
  多目的AI計画では、既知のPareto Frontsを示すベンチマークが不足している。 提案するベンチマーク生成器と専用ソルバは、結果のインスタンスの真のParetoを確実に計算する。 本稿では,制約された問題に対して最適な計画を示すとともに,制約された問題に対する一般的な問題を減らす方法を示す。
  論文  参考訳（メタデータ） (2023-04-28T07:09:23Z)
• Efficient Alternating Minimization Solvers for Wyner Multi-View Unsupervised Learning [0.0]
  本稿では,計算効率のよい解法の開発を可能にする2つの新しい定式化法を提案する。 提案した解法は, 計算効率, 理論的収束保証, ビュー数による局所最小値複雑性, 最先端技術と比較して, 例外的な精度を提供する。
  論文  参考訳（メタデータ） (2023-03-28T10:17:51Z)
• On Constrained Optimization in Differentiable Neural Architecture Search [3.0682439731292592]
  微分可能なアーキテクチャ探索(DARTS)は、微分可能な緩和に基づく最近提案されたニューラルアーキテクチャ探索(NAS)手法である。 本稿では,アーキテクチャの重み付け競争,更新スケジューリング,離散化に向けた正規化の3つの改善を提案し,分析する。
  論文  参考訳（メタデータ） (2021-06-22T10:22:31Z)
• A Bi-Level Framework for Learning to Solve Combinatorial Optimization on Graphs [91.07247251502564]
  本稿では,2つの世界の長所を結合するハイブリッドな手法を提案する。この手法では,グラフを最適化する上層学習手法とバイレベルフレームワークを開発する。 このような二段階のアプローチは、元のハードCOでの学習を単純化し、モデルキャパシティの需要を効果的に軽減することができる。
  論文  参考訳（メタデータ） (2021-06-09T09:18:18Z)
• Reversible Action Design for Combinatorial Optimization with Reinforcement Learning [35.50454156611722]
  強化学習(rl)は、これらの問題に取り組むための新しいフレームワークとして最近登場した。 最先端の実証性能を示すだけでなく、様々な種類のCOPに一般化する汎用RLフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-02-14T18:05:42Z)
• Optimization-Inspired Learning with Architecture Augmentations and Control Mechanisms for Low-Level Vision [74.9260745577362]
  本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。 フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。 低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
  論文  参考訳（メタデータ） (2020-12-10T03:24:53Z)
• MPLP++: Fast, Parallel Dual Block-Coordinate Ascent for Dense Graphical Models [96.1052289276254]
  この研究は、人気のあるDual Block-Coordinate Ascent原則に基づく新しいMAP-solverを導入している。 驚いたことに、性能の低い解法に小さな変更を加えることで、既存の解法を大きなマージンで大幅に上回る新しい解法MPLP++を導出します。
  論文  参考訳（メタデータ） (2020-04-16T16:20:53Z)

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。