Fugu-MT 論文翻訳(概要): Optimal minimal-perturbation university timetabling with faculty preferences

論文の概要: Optimal minimal-perturbation university timetabling with faculty preferences

arxiv url: http://arxiv.org/abs/2008.12342v1
Date: Thu, 27 Aug 2020 19:11:59 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 08:20:45.694309
Title: Optimal minimal-perturbation university timetabling with faculty preferences
Title（参考訳）: 教員選好による最適最小摂動大学時間
Authors: Jakob Kotas, Peter Pham, Sam Koellmann
Abstract要約: 本稿では,授業スワップ数を最小限に抑えるとともに,教員の教える時間に対する嗜好を最大化する意思決定フレームワークを提案する。モデルは整数線形プログラム(ILP)として定式化される仮説的な中規模学部の数値シミュレーションについて述べる。
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: In the university timetabling problem, sometimes additions or cancellations of course sections occur shortly before the beginning of the academic term, necessitating last-minute teaching staffing changes. We present a decision-making framework that both minimizes the number of course swaps, which are inconvenient to faculty members, and maximizes faculty members' preferences for times they wish to teach. The model is formulated as an integer linear program (ILP). Numerical simulations for a hypothetical mid-sized academic department are presented.
Abstract（参考訳）: 大学時制問題では、学期開始直前にコースセクションの追加やキャンセルが行われ、最終章の教職員交代が必要になることがある。本稿では,教員にとって不都合なコーススワップ数を最小限に抑え,教員が教えたい時間に対する選好を最大化する意思決定枠組みを提案する。モデルは整数線形プログラム(ILP)として定式化される。仮説的な中規模学部の数値シミュレーションについて述べる。

関連論文リスト

Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
論文参考訳（メタデータ） (2024-09-02T22:35:03Z)
High-Precision, Fair University Course Scheduling During a Pandemic [0.0]
本稿では、コース配信モードの拡張分類法を提案し、整数プログラムを示し、コーススケジューリングアルゴリズムを開発する。我々のアプローチは、教室で各コースセクションの特定の一部が実行されることを保証することで公平である。フェアネスと同時出席の原理に基づくアルゴリズムは、パンデミック時と通常時の大学コーススケジュールを大幅に改善することができる。
論文参考訳（メタデータ） (2024-07-10T04:26:01Z)
Distributed course allocation with asymmetric friendships [3.4069627091757173]
授業を受けるかどうかについての学生の判断は、友人が授業を受けるかどうかに強く影響される。本稿では,学生間の友情関係を経路割当機構が考慮し,一意に分散したソリューションを提供する方法について考察する。
論文参考訳（メタデータ） (2023-09-18T11:42:39Z)
Oracle-Efficient Smoothed Online Learning for Piecewise Continuous Decision Making [73.48977854003697]
この研究は、複雑性という新しい概念、一般化ブラケット数を導入し、空間の大きさに対する敵の制約を結婚させる。次に、オンライン予測や断片的連続関数の計画など、関心のあるいくつかの問題で境界をインスタンス化する。
論文参考訳（メタデータ） (2023-02-10T18:45:52Z)
Oracle Inequalities for Model Selection in Offline Reinforcement Learning [105.74139523696284]
本稿では,値関数近似を用いたオフラインRLにおけるモデル選択の問題について検討する。対数係数まで最小値の速度-最適不等式を実現するオフラインRLの最初のモデル選択アルゴリズムを提案する。そこで本研究では,優れたモデルクラスを確実に選択できることを示す数値シミュレーションを行った。
論文参考訳（メタデータ） (2022-11-03T17:32:34Z)
Planning Courses for Student Success at the American College of Greece [0.0]
我々は、ギリシャのアメリカン・カレッジ・オブ・ギリシャの学生が研究を完了するために必要となるコースのスケジュールを最適化する問題をモデル化する。結果のスケジュールを最適化する目的として,最速の完了時間,コース難易度バランスなど,いくつかの異なる目標を定式化します。我々は,機械学習とデータマイニングの手法を用いて,受講生が受講生に期待する成績を捉えた。
論文参考訳（メタデータ） (2022-06-16T10:19:37Z)
Reinforcement Learning in Linear MDPs: Constant Regret and Representation Selection [136.4014229319618]
線形構造を持つ有限水平マルコフ決定過程(MDPs)における後悔最小化における状態-作用値関数の表現の役割について検討する。まず,線形報酬関数を持つ任意のMDPにおいて,一貫した後悔を実現するために,Universally spaning optimal features (UNISOFT) と呼ばれる表現に必要条件を導出する。
論文参考訳（メタデータ） (2021-10-27T22:07:08Z)
Automated Large-scale Class Scheduling in MiniZinc [0.0]
本稿では,典型的な大学のニーズをすべて満たすことのできる授業スケジュールを効率的に作成するシステムを提案する。提案システムでは,中等教育機関のスケジュールを1分以内で把握することができる。
論文参考訳（メタデータ） (2020-11-15T12:02:52Z)
Towards Minimax Optimal Reinforcement Learning in Factored Markov Decision Processes [53.72166325215299]
エピソード因子化マルコフ決定過程(FMDP)における最小強化学習について検討する。第一に、分解された構造のリッチなクラスに対する最小限の後悔の保証を達成する。 2つ目は、少し悪い後悔をしながら、より良い計算複雑性を楽しみます。
論文参考訳（メタデータ） (2020-06-24T00:50:17Z)
The Two Regimes of Deep Network Training [93.84309968956941]
本研究では,異なる学習スケジュールの効果と,それらを選択する適切な方法について検討する。この目的のために、我々は2つの異なる段階を分離し、これを「大きな段階的体制」と「小さな段階的体制」と呼ぶ。トレーニングアルゴリズムは学習率のスケジュールを大幅に単純化することができる。
論文参考訳（メタデータ） (2020-02-24T17:08:24Z)

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。