論文の概要: Evaluation of the general applicability of Dragoon for the k-center problem

• arxiv url: http://arxiv.org/abs/2006.00917v1
• Date: Thu, 28 May 2020 16:54:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-27 04:36:03.910872
• Title: Evaluation of the general applicability of Dragoon for the k-center problem
• Title（参考訳）: k中心問題に対するドラグーンの一般適用性の評価
• Authors: Tobias Uhlig and Peter Hillmann and Oliver Rose
• Abstract要約: 本稿では,k中心問題にアプローチするための効果的なアルゴリズムとしてDragoonを評価する。 我々は進化的アルゴリズムを用いて、特にドラグーンにとって困難なk中心問題の例を生成する。
• 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 k-center problem is a fundamental problem we often face when considering complex service systems. Typical challenges include the placement of warehouses in logistics or positioning of servers for content delivery networks. We previously have proposed Dragoon as an effective algorithm to approach the k-center problem. This paper evaluates Dragoon with a focus on potential worst case behavior in comparison to other techniques. We use an evolutionary algorithm to generate instances of the k-center problem that are especially challenging for Dragoon. Ultimately, our experiments confirm the previous good results of Dragoon, however, we also can reliably find scenarios where it is clearly outperformed by other approaches.
• Abstract（参考訳）: k-center問題は、複雑なサービスシステムを考える際に直面する根本的な問題です。 典型的な課題は、物流における倉庫の配置や、コンテンツ配信ネットワークのためのサーバーの位置決めなどである。 我々は以前,k中心問題にアプローチするための効果的なアルゴリズムとしてDragoonを提案する。 本稿では,他の手法と比較して,潜在的最悪の事例行動に着目したDragoonの評価を行う。 我々は進化的アルゴリズムを用いて、特にドラグーンにとって困難なk中心問題の例を生成する。 最終的に、我々の実験は、Dragoonの以前の良い結果を確認するが、他のアプローチで明らかに優れているシナリオも確実に見つけることができる。

関連論文リスト

• Can We Further Elicit Reasoning in LLMs? Critic-Guided Planning with Retrieval-Augmentation for Solving Challenging Tasks [68.49251303172674]
  最先端の大規模言語モデル(LLM)は、目覚ましい問題解決能力を示すが、複雑な推論と事実の正しさに苦慮する可能性がある。 既存の手法では、チェーン・オブ・ソートと検索強化生成(RAG)の強みを利用して、複雑な問題をより単純なステップに分解し、検索を適用して事実の正しさを向上させる。 CR-Planner(CR-Planner, CR-Planner, CR-Planner)は, 微調整された批判モデルを利用して, 推論と検索の両方のプロセスを計画を通してガイドする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-10-02T11:26:02Z)
• Generalizing Multi-Step Inverse Models for Representation Learning to Finite-Memory POMDPs [23.584313644411967]
  本研究では,関連する情報のみを符号化し,無関係な情報を破棄する情報的,あるいはエージェント中心の状態表現の発見問題について検討する。 我々の結果は、決定論的力学設定の理論と、代替直観的アルゴリズムの反例を含む。 アルゴリズムを正しく使用した場合に成功させ、正しく使用した場合に劇的な失敗を引き起こす。
  論文  参考訳（メタデータ） (2024-04-22T19:46:16Z)
• Estimating Barycenters of Distributions with Neural Optimal Transport [93.28746685008093]
  本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。 我々の手法は最近のNeural OTソルバをベースとしている。 また,提案手法の理論的誤差境界も確立する。
  論文  参考訳（メタデータ） (2024-02-06T09:17:07Z)
• Cardinality-Regularized Hawkes-Granger Model [7.41840492087968]
  本稿では,時間的イベントデータのためのスパースなグランガー因果学習フレームワークを提案する。 我々は、ホークス過程と呼ばれる特定の点過程のクラスに焦点を当てる。
  論文  参考訳（メタデータ） (2022-08-23T01:35:05Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Crake: Causal-Enhanced Table-Filler for Question Answering over Large Scale Knowledge Base [11.888045774125787]
  意味解析を2段階に分類する。 第一段階では、シークエンスモデリングの問題を克服し、内部因果関係を学習するための因果拡張テーブルフィラーを提案する。 第2段階では、大規模KB上で複雑なクエリをスケールするための効率的なビーム探索アルゴリズムが提示される。
  論文  参考訳（メタデータ） (2022-07-08T04:21:26Z)
• Mining Root Cause Knowledge from Cloud Service Incident Investigations for AIOps [71.12026848664753]
  サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。 本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
  論文  参考訳（メタデータ） (2022-04-21T02:33:34Z)
• GeoQA: A Geometric Question Answering Benchmark Towards Multimodal Numerical Reasoning [172.36214872466707]
  我々は、テキスト記述、視覚図、定理知識の包括的理解を必要とする幾何学的問題を解くことに注力する。 そこで本研究では,5,010の幾何学的問題を含む幾何学的質問応答データセットGeoQAを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:34:17Z)
• Efficient Intrusion Detection Using Evidence Theory [0.0]
  侵入検知システム(IDS)は、コンピュータやネットワークの安全に関して重要な要素となっている。 本稿では,情報源の信頼性と正常行動と異常行動の識別能力に基づく新しい文脈割引手法を提案する。
  論文  参考訳（メタデータ） (2021-03-15T17:54:16Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)

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。