論文の概要: Accelerating Evolutionary Construction Tree Extraction via Graph Partitioning

• arxiv url: http://arxiv.org/abs/2008.03669v1
• Date: Sun, 9 Aug 2020 06:11:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 04:45:14.143520
• Title: Accelerating Evolutionary Construction Tree Extraction via Graph Partitioning
• Title（参考訳）: グラフ分割による進化的構成木抽出の高速化
• Authors: Markus Friedrich and Sebastian Feld and Thomy Phan and Pierre-Alain Fayolle
• Abstract要約: 構成木を潜在的にノイズの多い点から抽出することは、コンピュータ支援設計におけるリバースエンジニアリングタスクの重要な側面である。 本稿では,進化的構築木抽出を高速化するグラフベースの探索空間スキームを提案する。
• 参考スコア（独自算出の注目度）: 6.59529078336196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting a Construction Tree from potentially noisy point clouds is an important aspect of Reverse Engineering tasks in Computer Aided Design. Solutions based on algorithmic geometry impose constraints on usable model representations (e.g. quadric surfaces only) and noise robustness. Re-formulating the problem as a combinatorial optimization problem and solving it with an Evolutionary Algorithm can mitigate some of these constraints at the cost of increased computational complexity. This paper proposes a graph-based search space partitioning scheme that is able to accelerate Evolutionary Construction Tree extraction while exploiting parallelization capabilities of modern CPUs. The evaluation indicates a speed-up up to a factor of $46.6$ compared to the baseline approach while resulting tree sizes increased by $25.2\%$ to $88.6\%$.
• Abstract（参考訳）: 潜在的にノイズの多い点雲から構築木を抽出することは、コンピュータ支援設計におけるリバースエンジニアリングタスクの重要な側面である。 アルゴリズム幾何学に基づく解は、使用可能なモデル表現(例えば二次曲面のみ)と雑音ロバスト性に制約を課す。 問題を組合せ最適化問題として再計算し、進化的アルゴリズムで解くことで、計算複雑性の増大を犠牲にしてこれらの制約の一部を緩和することができる。 本稿では,最新のcpuの並列化機能を活用しつつ,進化的構成木抽出を高速化するグラフ検索空間分割スキームを提案する。 この評価は、ベースラインアプローチと比較して46.6ドルまでのスピードアップを示し、結果としてツリーサイズは25.2.%から8.6.%に増加した。

関連論文リスト

• LiteSearch: Efficacious Tree Search for LLM [70.29796112457662]
  本研究では,動的ノード選択とノードレベルの探索予算を備えた新しいガイド付き木探索アルゴリズムを提案する。 GSM8KおよびTabMWPデータセットを用いて行った実験により,本手法はベースライン法に比べて計算コストが大幅に低いことを示した。
  論文  参考訳（メタデータ） (2024-06-29T05:14:04Z)
• The Complexity of Optimizing Atomic Congestion [14.845310803203724]
  アトミック・渋滞ゲームは、ネットワーク設計、ルーティング、アルゴリズムゲーム理論において古典的なトピックである。 非常に単純なネットワークでも問題は非常に難解なままである。 我々は、この問題の(さらに難しい)min-max変種に対する分析を拡張して結論付ける。
  論文  参考訳（メタデータ） (2023-12-15T21:31:30Z)
• CORE: Common Random Reconstruction for Distributed Optimization with Provable Low Communication Complexity [110.50364486645852]
  コミュニケーションの複雑さは、トレーニングをスピードアップし、マシン番号をスケールアップする上で、大きなボトルネックになっています。 本稿では,機械間で送信される情報を圧縮するための共通Om REOmを提案する。
  論文  参考訳（メタデータ） (2023-09-23T08:45:27Z)
• Des-q: a quantum algorithm to provably speedup retraining of decision trees [2.7262923206583136]
  Des-qは、回帰および二分分類タスクのための決定木を構築し、再訓練するための新しい量子アルゴリズムである。 我々は,複数のデータセット上での最先端の古典的手法に対して,Des-qのシミュレーションバージョンをベンチマークする。 提案アルゴリズムは,最新の決定木に類似した性能を示しながら,周期木再学習を著しく高速化する。
  論文  参考訳（メタデータ） (2023-09-18T17:56:08Z)
• Solving Projected Model Counting by Utilizing Treewidth and its Limits [23.81311815698799]
  予測モデルカウント(PMC)を解く新しいアルゴリズムを提案する。 いわゆる「ツリー幅」が最も顕著な構造パラメータの1つであるという観測から着想を得て,本アルゴリズムは入力インスタンスの一次グラフの小さなツリー幅を利用する。
  論文  参考訳（メタデータ） (2023-05-30T17:02:07Z)
• Constructing Optimal Contraction Trees for Tensor Network Quantum Circuit Simulation [1.2704529528199062]
  量子回路シミュレーションにおける重要な問題の1つは、縮退木の構築である。 本稿では,最適な縮尺木を構築するための新しい時間アルゴリズムを提案する。 提案手法は、試験された量子回路の大部分において、優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-09-07T02:50:30Z)
• Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
  本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。 最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。 提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
  論文  参考訳（メタデータ） (2022-06-14T08:14:14Z)
• Strengthening Probabilistic Graphical Models: The Purge-and-merge Algorithm [0.0]
  パージ・アンド・マージアルゴリズムは、因子を選択的にマージすることで、可鍛グラフ構造を木構造に向けるように設計されている。 このアプローチは,Sudoku,Fill-a-pix,Kakuroなど,数多くの制約満足パズルに対して評価される。 これらのタスクは CSP のバイナリ論理に限られていたが、一般の PGM 推論への拡張の約束があると考えている。
  論文  参考訳（メタデータ） (2021-09-30T21:20:52Z)
• Distributed stochastic optimization with large delays [59.95552973784946]
  大規模最適化問題を解決する最も広く使われている手法の1つは、分散非同期勾配勾配(DASGD)である。 DASGDは同じ遅延仮定の下で大域的最適実装モデルに収束することを示す。
  論文  参考訳（メタデータ） (2021-07-06T21:59:49Z)
• Efficient Computation of Expectations under Spanning Tree Distributions [67.71280539312536]
  本稿では,エッジファクター,非プロジェクティブ・スパンニングツリーモデルにおいて,一階期待と二階期待の重要なケースに対する統一アルゴリズムを提案する。 我々のアルゴリズムは勾配と期待の基本的な関係を利用しており、効率的なアルゴリズムを導出することができる。
  論文  参考訳（メタデータ） (2020-08-29T14:58:26Z)
• Generalized and Scalable Optimal Sparse Decision Trees [56.35541305670828]
  様々な目的に対して最適な決定木を生成する手法を提案する。 また,連続変数が存在する場合に最適な結果が得られるスケーラブルなアルゴリズムも導入する。
  論文  参考訳（メタデータ） (2020-06-15T19:00:11Z)

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。