Fugu-MT 論文翻訳(概要): TPAM: A Simulation-Based Model for Quantitatively Analyzing Parameter Adaptation Methods

論文の概要: TPAM: A Simulation-Based Model for Quantitatively Analyzing Parameter Adaptation Methods

arxiv url: http://arxiv.org/abs/2010.01877v1
Date: Mon, 5 Oct 2020 09:25:48 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 21:05:58.439929
Title: TPAM: A Simulation-Based Model for Quantitatively Analyzing Parameter Adaptation Methods
Title（参考訳）: TPAM:パラメータ適応法を定量的に解析するシミュレーションベースモデル
Authors: Ryoji Tanabe and Alex Fukunaga
Abstract要約: PAMの追跡性能を評価するためのターゲット関数に基づくPAMシミュレーションフレームワークを提案する。提案したTPAM上での5つの適応DES(jDE, EPSDE, JADE, MDE, SHADE)のPAMの追跡性能を評価する。
参考スコア（独自算出の注目度）: 7.538482310185133
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: While a large number of adaptive Differential Evolution (DE) algorithms have been proposed, their Parameter Adaptation Methods (PAMs) are not well understood. We propose a Target function-based PAM simulation (TPAM) framework for evaluating the tracking performance of PAMs. The proposed TPAM simulation framework measures the ability of PAMs to track predefined target parameters, thus enabling quantitative analysis of the adaptive behavior of PAMs. We evaluate the tracking performance of PAMs of widely used five adaptive DEs (jDE, EPSDE, JADE, MDE, and SHADE) on the proposed TPAM, and show that TPAM can provide important insights on PAMs, e.g., why the PAM of SHADE performs better than that of JADE, and under what conditions the PAM of EPSDE fails at parameter adaptation.
Abstract（参考訳）: 多くの適応微分進化(DE)アルゴリズムが提案されているが、パラメータ適応法(PAM)はよく理解されていない。 PAMのトラッキング性能を評価するために,Target関数に基づくPAMシミュレーション(TPAM)フレームワークを提案する。提案するTPAMシミュレーションフレームワークは, PAMが予め定義された目標パラメータを追跡する能力を測定し, PAMの適応挙動の定量的解析を可能にする。提案したTPAMにおいて,広く使用されている5つの適応DEM(jDE, EPSDE, JADE, MDE, SHADE)の追跡性能を評価し,TPAMがPAMに重要な洞察を与えることを示す。

関連論文リスト

Efficient Learning of POMDPs with Known Observation Model in Average-Reward Setting [56.92178753201331]
我々は,POMDPパラメータを信念に基づくポリシを用いて収集したサンプルから学習することのできる観測・認識スペクトル(OAS)推定手法を提案する。提案するOAS-UCRLアルゴリズムに対して,OASプロシージャの整合性を示し,$mathcalO(sqrtT log(T)$の残差保証を証明した。
論文参考訳（メタデータ） (2024-10-02T08:46:34Z)
Model-based Reinforcement Learning for Parameterized Action Spaces [11.94388805327713]
PAMDPのためのモデルベース強化学習アルゴリズムを提案する。エージェントはパラメータ化されたアクション条件付き力学モデルを学び、修正されたモデル予測経路積分制御で計画する。いくつかの標準ベンチマークにおける実験結果から,本アルゴリズムは最先端のPAMDP法よりも優れたサンプリング効率と性能を実現することが示された。
論文参考訳（メタデータ） (2024-04-03T19:48:13Z)
Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。我々は推論プロセスを自動微分に適した最適化問題に変換する。提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
論文参考訳（メタデータ） (2024-03-08T14:45:18Z)
Interactive Hyperparameter Optimization in Multi-Objective Problems via Preference Learning [65.51668094117802]
我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
論文参考訳（メタデータ） (2023-09-07T09:22:05Z)
MixPHM: Redundancy-Aware Parameter-Efficient Tuning for Low-Resource Visual Question Answering [66.05768870785548]
微調整事前学習型視覚言語モデル(VLM)は、視覚質問応答(VQA)における最先端性能を達成するための一般的なパラダイムである。現在のパラメータ効率のチューニング手法は、チューニング可能なパラメータの数を劇的に削減するが、完全な微調整を伴う大きなパフォーマンスギャップは依然として残っている。低リソースVQAにおける完全微調整よりも優れた冗長性を考慮したパラメータ効率調整法であるMixPHMを提案する。
論文参考訳（メタデータ） (2023-03-02T13:28:50Z)
Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文参考訳（メタデータ） (2022-12-07T10:01:11Z)
Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文参考訳（メタデータ） (2022-09-27T07:58:25Z)
Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。 3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文参考訳（メタデータ） (2022-09-09T14:58:43Z)
Bayesian Optimisation for Robust Model Predictive Control under Model Parameter Uncertainty [26.052368583196426]
本稿では,モデル予測制御(MPC)ハイパーパラメータのチューニングのための適応最適化手法を提案する。本研究では,異種難聴モデルを用いたベイズ最適化 (BO) アルゴリズムを開発し,様々なノイズに対処する。実験結果から,本手法はより高い累積報酬とより安定したコントローラをもたらすことが示された。
論文参考訳（メタデータ） (2022-03-01T15:33:21Z)
Analyzing Adaptive Parameter Landscapes in Parameter Adaptation Methods for Differential Evolution [0.0]
本稿では,パラメータ適応過程におけるモーメントをキャプチャする適応パラメータランドスケープの概念を提案する。第2に,適応パラメータのランドスケープを1ステップのグリーディ改善指標を用いて解析する手法を提案する。第三に、提案手法を用いて、PAMの適応パラメータのランドスケープについて検討する。
論文参考訳（メタデータ） (2020-09-26T08:12:59Z)
Surrogate Assisted Methods for the Parameterisation of Agent-Based Models [0.0]
キャリブレーションはエージェントベースのモデリングとシミュレーションにおいて大きな課題である。本稿では,異なるサンプリング手法と代理モデルの効果的な統合を容易にするABMSフレームワークを提案する。
論文参考訳（メタデータ） (2020-08-26T21:47:02Z)

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。