論文の概要: Multiobjectivization of Local Search: Single-Objective Optimization
Benefits From Multi-Objective Gradient Descent
- arxiv url: http://arxiv.org/abs/2010.01004v1
- Date: Fri, 2 Oct 2020 13:56:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 00:21:29.568707
- Title: Multiobjectivization of Local Search: Single-Objective Optimization
Benefits From Multi-Objective Gradient Descent
- Title(参考訳): 局所探索の多目的化:多目的勾配による単一目的最適化の効果
- Authors: Vera Steinhoff and Pascal Kerschke and Pelin Aspar and Heike Trautmann
and Christian Grimme
- Abstract要約: 局所トラップから逃れることのできる勾配降下の概念を新たに提案する。
我々は、多目的問題に対して洗練された可視化技術を用いて、アイデアの動作原理を証明する。
- 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: Multimodality is one of the biggest difficulties for optimization as local
optima are often preventing algorithms from making progress. This does not only
challenge local strategies that can get stuck. It also hinders meta-heuristics
like evolutionary algorithms in convergence to the global optimum. In this
paper we present a new concept of gradient descent, which is able to escape
local traps. It relies on multiobjectivization of the original problem and
applies the recently proposed and here slightly modified multi-objective local
search mechanism MOGSA. We use a sophisticated visualization technique for
multi-objective problems to prove the working principle of our idea. As such,
this work highlights the transfer of new insights from the multi-objective to
the single-objective domain and provides first visual evidence that
multiobjectivization can link single-objective local optima in multimodal
landscapes.
- Abstract(参考訳): 局所最適化がアルゴリズムの進行を妨げているため、マルチモーダリティは最適化の最大の難しさの1つである。
これは、立ち往生できるローカル戦略に挑戦するだけではない。
また、グローバルな最適化に収束する進化アルゴリズムのようなメタヒューリスティックを妨げている。
本稿では,局所トラップを回避できる勾配降下の新たな概念を提案する。
これは元の問題の多目的化に依存しており、最近提案され、ここでは微修正された多目的局所探索機構MOGSAを適用している。
我々は,多目的問題に対する高度な可視化手法を用いて,アイデアの動作原理を実証する。
このように、この研究は、多目的から単目的領域への新たな洞察の伝達を強調し、多目的化が多目的景観における単目的局所最適化をリンクできるという最初の視覚的証拠を提供する。
関連論文リスト
- Revisiting the Domain Shift and Sample Uncertainty in Multi-source
Active Domain Transfer [69.82229895838577]
Active Domain Adaptation (ADA)は、アノテートするターゲットデータの限られた数を選択することで、新しいターゲットドメインにおけるモデル適応を最大限に向上することを目的としている。
この設定は、複数のソースからトレーニングデータを収集するより実践的なシナリオを無視します。
これは、ADAを単一のソースドメインから複数のソースドメインに拡張する、新しい、挑戦的な知識転送の設定を目標にしています。
論文 参考訳(メタデータ) (2023-11-21T13:12:21Z) - Multi-Objective Optimization Using the R2 Utility [4.506099292980221]
本稿では,多目的最適化問題を集合上定義された単目的最適化問題に再キャストする方法を示す。
この新しい問題に対する目的関数の適切なクラスは、スカラー化された最適化問題に対する重み付き積分として定義されるR2ユーティリティ関数である。
このユーティリティ関数は単調かつ部分モジュラーな集合関数であり、グリーディ最適化アルゴリズムを用いて効果的に最適化できることを示す。
論文 参考訳(メタデータ) (2023-05-19T16:01:35Z) - Semantics-Aware Dynamic Localization and Refinement for Referring Image
Segmentation [102.25240608024063]
画像の参照は、言語表現からのイメージセグメントを参照する。
そこで我々は,局所化中心からセグメンテーション言語へ移行するアルゴリズムを開発した。
比較すると,本手法はより汎用的で有効である。
論文 参考訳(メタデータ) (2023-03-11T08:42:40Z) - CLIP the Gap: A Single Domain Generalization Approach for Object
Detection [60.20931827772482]
単一ドメインの一般化(Single Domain Generalization)は、単一のソースドメイン上でモデルをトレーニングすることで、目に見えないターゲットドメインに一般化する問題に取り組む。
本稿では、事前学習された視覚言語モデルを用いて、テキストプロンプトを介して意味領域の概念を導入することを提案する。
本手法は,検出器のバックボーンから抽出した特徴に作用する意味的拡張戦略と,テキストに基づく分類損失によって実現される。
論文 参考訳(メタデータ) (2023-01-13T12:01:18Z) - MOLE: Digging Tunnels Through Multimodal Multi-Objective Landscapes [0.0]
局所的に効率的な(LE)集合は、しばしば局所探索のトラップと見なされるが、決定空間において孤立されることは滅多にない。
Multi-Objective Gradient Sliding Algorithm (MOGSA)は、これらの重ね合わせを利用するアルゴリズムの概念である。
我々は,MMMOO問題におけるLE集合を効率的にモデル化し,活用できる新しいアルゴリズムであるMulti-Objective Landscape Explorer (MOLE)を提案する。
論文 参考訳(メタデータ) (2022-04-22T17:54:54Z) - Multi-Source Domain Adaptation for Object Detection [52.87890831055648]
我々は、Divide-and-Merge Spindle Network (DMSN)と呼ばれる、より高速なR-CNNベースのフレームワークを提案する。
DMSNはドメイン非ネイティブを同時に強化し、識別力を維持することができる。
擬似目標部分集合の最適パラメータを近似する新しい擬似学習アルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-06-30T03:17:20Z) - Multi-Objective Meta Learning [2.9932638148627104]
統合グラデーションベースのマルチ目的メタラーニング(MOML)フレームワークを提案する。
提案されたMOMLフレームワークの有効性をいくつかのメタラーニング問題で示す。
論文 参考訳(メタデータ) (2021-02-14T10:23:09Z) - Learning to Generalize Unseen Domains via Memory-based Multi-Source
Meta-Learning for Person Re-Identification [59.326456778057384]
本稿では,メモリベースのマルチソースメタラーニングフレームワークを提案する。
また,メタテスト機能を多様化するメタバッチ正規化層(MetaBN)を提案する。
実験により、M$3$Lは、目に見えない領域に対するモデルの一般化能力を効果的に向上できることが示された。
論文 参考訳(メタデータ) (2020-12-01T11:38:16Z) - Provable Multi-Objective Reinforcement Learning with Generative Models [98.19879408649848]
目的の選好から最適な政策を学習する単一政策 MORL の問題について検討する。
既存の方法は、多目的決定プロセスの正確な知識のような強い仮定を必要とする。
モデルベースエンベロップ値 (EVI) と呼ばれる新しいアルゴリズムを提案し, 包含された多目的$Q$学習アルゴリズムを一般化する。
論文 参考訳(メタデータ) (2020-11-19T22:35:31Z) - Empirical Study on the Benefits of Multiobjectivization for Solving
Single-Objective Problems [0.0]
局所オプティマはしばしばアルゴリズムの進行を防ぎ、深刻な脅威を引き起こす。
マルチオブジェクトの勾配に基づく高度な可視化技術を用いて,出現するマルチオブジェクトの景観の特性を図示し,考察した。
我々は,多目的COCOMOGSAがこれらの特性を利用して局所トラップを克服できることを実証的に示す。
論文 参考訳(メタデータ) (2020-06-25T14:04:37Z) - Multi-object Monocular SLAM for Dynamic Environments [12.537311048732017]
マルチボディ(multibody)という言葉は、カメラの動きと、シーン内の他のダイナミックな参加者の動きを追跡することを意味する。
既存のアプローチは制限された問題の変種を解くが、解は相対的なスケールの曖昧さに悩まされる。
本稿では,相対的および絶対的スケール係数の曖昧さを解決するために,多ポーズグラフ最適化の定式化を提案する。
論文 参考訳(メタデータ) (2020-02-10T03:49:16Z)
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。