Fugu-MT 論文翻訳(概要): GTOPX Space Mission Benchmarks

論文の概要: GTOPX Space Mission Benchmarks

arxiv url: http://arxiv.org/abs/2010.07517v4
Date: Wed, 17 Feb 2021 11:47:55 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 03:34:22.399262
Title: GTOPX Space Mission Benchmarks
Title（参考訳）: GTOPX宇宙ミッションベンチマーク
Authors: Martin Schlueter, Mehdi Neshat, Mohamed Wahib, Masaharu Munetomo, Markus Wagner
Abstract要約: GTOPX スペース・ミッション・ベンチマーク・コレクション(英: GTOPX Space Mission benchmark collection)は、欧州宇宙機関(ESA)が発行したGTOPデータベースの拡張である。 GTOPXは、実際の惑星間空間軌道設計問題を表す10個のベンチマークインスタンスで構成される。本研究の目的は,新たに利用可能なGTOPXベンチマークソフトウェアについて,研究者にマニュアルと参照を提供することである。
参考スコア（独自算出の注目度）: 1.4211973704803558
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This contribution introduces the GTOPX space mission benchmark collection, which is an extension of GTOP database published by the European Space Agency (ESA). GTOPX consists of ten individual benchmark instances representing real-world interplanetary space trajectory design problems. In regard to the original GTOP collection, GTOPX includes three new problem instances featuring mixed-integer and multi-objective properties. GTOPX enables a simplified user handling, unified benchmark function call and some minor bug corrections to the original GTOP implementation. Furthermore, GTOPX is linked from it's original C++ source code to Python and Matlab based on dynamic link libraries, assuring computationally fast and accurate reproduction of the benchmark results in all three programming languages. Space mission trajectory design problems as those represented in GTOPX are known to be highly non-linear and difficult to solve. The GTOPX collection, therefore, aims particularly at researchers wishing to put advanced (meta)heuristic and hybrid optimization algorithms to the test. The goal of this paper is to provide researchers with a manual and reference to the newly available GTOPX benchmark software.
Abstract（参考訳）: このコントリビューションでは、欧州宇宙機関(esa)が公開したgtopデータベースの拡張であるgtopx space mission benchmark collectionを紹介する。 GTOPXは、実際の惑星間空間軌道設計問題を表す10個のベンチマークインスタンスで構成される。オリジナルのGTOPコレクションに関しては、GTOPXには、混合整数と多目的特性を備えた3つの新しい問題インスタンスが含まれている。 GTOPXは、単純化されたユーザハンドリング、統一されたベンチマーク関数呼び出し、およびオリジナルのGTOP実装に対する小さなバグ修正を可能にする。さらに、GTOPXは、オリジナルのC++ソースコードから、動的リンクライブラリに基づいてPythonとMatlabにリンクされ、3つのプログラミング言語でベンチマーク結果の高速かつ正確な再現が保証される。 GTOPXで表される宇宙ミッションの軌道設計問題は、非常に非線形で解決が難しいことが知られている。したがって、GTOPXコレクションは特に、高度な(メタ)ヒューリスティックおよびハイブリッド最適化アルゴリズムをテストに導入したい研究者を対象としている。本稿の目的は,新たに利用可能なgtopxベンチマークソフトウェアに関するマニュアルとリファレンスを提供することである。

関連論文リスト

OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。次に、生成された軌道の品質を保証するために軌道報酬モデルを用いる。
論文参考訳（メタデータ） (2024-12-27T16:21:58Z)
EMGBench: Benchmarking Out-of-Distribution Generalization and Adaptation for Electromyography [3.5217105746525803]
本稿では,EMG分類アルゴリズムの分布外性能を評価するため,機械学習を用いた最初の一般化と適応ベンチマークを提案する。ユーザの意図したジェスチャーをEMG信号で予測することにより、補助技術を制御するウェアラブルソリューションを作成することができる。
論文参考訳（メタデータ） (2024-10-31T04:24:03Z)
Multimodal Unsupervised Domain Generalization by Retrieving Across the Modality Gap [11.96884248631201]
教師なし領域一般化問題のマルチモーダル版に取り組む。我々のフレームワークは、ソースデータセットを共同視覚言語空間で正確かつ効率的に検索できるという前提に依存している。我々は,テキストクエリと粗い量子化に使用される画像セントロイドとの距離が大きいため,近接した近接探索が低リコールに悩まされていることを理論的に示す。
論文参考訳（メタデータ） (2024-02-06T21:29:37Z)
LagrangeBench: A Lagrangian Fluid Mechanics Benchmarking Suite [0.0]
ラグランジュ粒子問題に対する最初のベンチマークスイートであるLagrangeBenchを紹介する。 A) Smoothed Particle Hydrodynamics (SPH) 法により生成された流体力学データセット(3次元で4つ, 3次元で3つ)。また,定位置誤差を超えて運動エネルギーMSEやシンクホーン距離などの物理指標を導入している。
論文参考訳（メタデータ） (2023-09-28T11:03:23Z)
Semi-supervised Domain Adaptation on Graphs with Contrastive Learning and Minimax Entropy [12.209076900021621]
グラフ上の半教師付きドメイン適応(SSDA)は、ラベル付きソースグラフの知識を活用して、限られたラベルを持つターゲットグラフ上のノード分類を支援することを目的としている。本稿では,textbfGraph textbfContrastive textbfLとminimax entropy trainingを用いたSemiGCLと呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2023-09-14T03:15:57Z)
On Exploring Node-feature and Graph-structure Diversities for Node Drop Graph Pooling [86.65151066870739]
現在のノードドロッププーリング法は、ノードの特徴やグラフ構造の観点からグラフの多様性を無視し、結果としてグラフレベル以下の表現をもたらす。そこで本稿では,textiti.fltextbfIpscore と textbfDropscore の2つの操作を持つ textbfMulti スコア空間からなる MID を新たに提案する。具体的には、多次元スコア空間は、複数の基準を通してノードの重要さを描いており、フリップスコアは異種ノードの維持を奨励している。
論文参考訳（メタデータ） (2023-06-22T08:02:01Z)
New Frontiers in Graph Autoencoders: Joint Community Detection and Link Prediction [27.570978996576503]
リンク予測(LP)の強力な方法として,グラフオートエンコーダ(GAE)と変分グラフオートエンコーダ(VGAE)が登場した。特にノード機能がない場合、GAEとVGAEでCDをどの程度改善できるかは不明である。これら2つのタスクを高い精度で共同で処理することは可能であることを示す。
論文参考訳（メタデータ） (2022-11-16T15:26:56Z)
Design-Bench: Benchmarks for Data-Driven Offline Model-Based Optimization [82.02008764719896]
ブラックボックスモデルに基づく最適化問題は、タンパク質、DNA配列、航空機、ロボットの設計など、幅広い領域で広く使われている。本稿では,統合評価プロトコルと最近の手法の参照実装を備えたオフラインMBOのためのベンチマークであるDesign-Benchを提案する。私たちのベンチマークには、生物学、材料科学、ロボット工学における現実世界の最適化問題から派生した、多種多様な現実的なタスクが含まれています。
論文参考訳（メタデータ） (2022-02-17T05:33:27Z)
GRecX: An Efficient and Unified Benchmark for GNN-based Recommendation [55.55523188090938]
我々はGNNベースのレコメンデーションモデルのベンチマークを行うためのオープンソースのフレームワークであるGRecXを紹介する。 GRecXは、GNNベースのレコメンデーションベンチマークを構築するためのコアライブラリと、人気のあるGNNベースのレコメンデーションモデルの実装で構成されている。我々はGRecXを用いて実験を行い、実験の結果、GRecXはGNNベースの推薦基準を効率的かつ統一的にトレーニングし、ベンチマークすることができることを示した。
論文参考訳（メタデータ） (2021-11-19T17:45:46Z)
MPLP++: Fast, Parallel Dual Block-Coordinate Ascent for Dense Graphical Models [96.1052289276254]
この研究は、人気のあるDual Block-Coordinate Ascent原則に基づく新しいMAP-solverを導入している。驚いたことに、性能の低い解法に小さな変更を加えることで、既存の解法を大きなマージンで大幅に上回る新しい解法MPLP++を導出します。
論文参考訳（メタデータ） (2020-04-16T16:20:53Z)
Benchmarking Graph Neural Networks [75.42159546060509]
グラフニューラルネットワーク(GNN)は、グラフ上のデータから分析および学習するための標準ツールキットとなっている。成功している分野が主流で信頼性を持つようになるためには、進捗を定量化するためにベンチマークを開発する必要がある。 GitHubリポジトリは1,800のスターと339のフォークに到達し、提案されているオープンソースフレームワークの有用性を実証している。
論文参考訳（メタデータ） (2020-03-02T15:58:46Z)

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。