Fugu-MT 論文翻訳(概要): Automated Hyperparameter Selection for the PC Algorithm

論文の概要: Automated Hyperparameter Selection for the PC Algorithm

arxiv url: http://arxiv.org/abs/2011.01889v2
Date: Tue, 22 Dec 2020 16:01:47 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 04:07:21.832077
Title: Automated Hyperparameter Selection for the PC Algorithm
Title（参考訳）: PCアルゴリズムのためのハイパーパラメータの自動選択
Authors: Eric V. Strobl
Abstract要約: ユーザが選択したメトリックに対して$alpha$を直接最適化する高速プロシージャであるAutoPCを提案する。特に、回収したグラフ上で2回目の実行を実行することで、PCに出力の二重チェックを強制する。 AutoPCは、複数のメトリクスにわたって、アートの状態を一貫して上回る。
参考スコア（独自算出の注目度）: 7.6146285961466
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The PC algorithm infers causal relations using conditional independence tests that require a pre-specified Type I $\alpha$ level. PC is however unsupervised, so we cannot tune $\alpha$ using traditional cross-validation. We therefore propose AutoPC, a fast procedure that optimizes $\alpha$ directly for a user chosen metric. We in particular force PC to double check its output by executing a second run on the recovered graph. We choose the final output as the one which maximizes stability between the two runs. AutoPC consistently outperforms the state of the art across multiple metrics.
Abstract（参考訳）: PCアルゴリズムは、あらかじめ指定されたタイプI$\alpha$レベルを必要とする条件独立テストを用いて因果関係を推論する。しかし、PCは教師なしなので、従来のクロスバリデーションを使って$\alpha$をチューニングすることはできない。そこで我々は,ユーザが選択したメトリックに対して$\alpha$を直接最適化する高速プロシージャであるAutoPCを提案する。特に,回収したグラフ上で2回目の実行を実行することで,pcに出力の二重チェックを強いる。両ラン間の安定性を最大化する出力として最終出力を選択する。 AutoPCは、複数のメトリクスにわたって、アートの状態を一貫して上回る。

関連論文リスト

A direct optimization algorithm for input-constrained MPC [3.0992677770545254]
この技術ノートは、入力制約付きMPC問題を考察し、その結果のボックス制約付きQPの構造を利用する。提案アルゴリズムの反復回数はテキストのみに依存していることを示す。提案アルゴリズムの実行時認証能力は,オープンループ不安定AFTI-16例を用いて理論的,数値的に検証する。
論文参考訳（メタデータ） (2023-06-26T21:39:14Z)
Trial-Based Dominance Enables Non-Parametric Tests to Compare both the Speed and Accuracy of Stochastic Optimizers [15.546339162261681]
本稿では,2変数の試行データセットに線形順序を課す簡単な方法について述べる。シミュレーションにより、Uスコアは2つのアルゴリズムの良さを識別するタスクにおいて、支配よりもはるかに効果的であることが示される。
論文参考訳（メタデータ） (2022-12-19T12:58:28Z)
Near Sample-Optimal Reduction-based Policy Learning for Average Reward MDP [58.13930707612128]
この研究は、平均報酬マルコフ決定過程(AMDP)における$varepsilon$-Optimal Policyを得る際のサンプルの複雑さを考察する。我々は、状態-作用対当たりの$widetilde O(H varepsilon-3 ln frac1delta)$サンプルを証明し、$H := sp(h*)$は任意の最適ポリシーのバイアスのスパンであり、$varepsilon$は精度、$delta$は失敗確率である。
論文参考訳（メタデータ） (2022-12-01T15:57:58Z)
A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
論文参考訳（メタデータ） (2022-11-16T00:11:04Z)
Faster Privacy Accounting via Evolving Discretization [54.32252900997422]
プライバシランダム変数の数値合成のための新しいアルゴリズムを提案する。本アルゴリズムは,メカニズムを自己コンパイルするタスクに対して,$mathrmpolylog(k)$の実行時間とメモリ使用量を達成する。
論文参考訳（メタデータ） (2022-07-10T04:25:37Z)
Scalable Differentially Private Clustering via Hierarchically Separated Trees [82.69664595378869]
我々は,最大$O(d3/2log n)cdot OPT + O(k d2 log2 n / epsilon2)$,$epsilon$はプライバシ保証であることを示す。最悪の場合の保証は、最先端のプライベートクラスタリング手法よりも悪いが、提案するアルゴリズムは実用的である。
論文参考訳（メタデータ） (2022-06-17T09:24:41Z)
A Push-Relabel Based Additive Approximation for Optimal Transport [5.111364864495785]
最適な輸送を計算するための厳密なアルゴリズムは遅くなる。我々は、OT距離の$varepsilon$approximationを求めるための、新しい非常に単純なアプローチを導入する。我々のアルゴリズムは、OT距離を計算するために、O(n2/varepsilon2)$のほぼ最適実行時間を達成する。
論文参考訳（メタデータ） (2022-03-07T21:40:14Z)
Wasserstein Solution Quality and the Quantum Approximate Optimization Algorithm: A Portfolio Optimization Case Study [0.0]
金融資産のポートフォリオを最適化することは、量子処理単位(QPU)に適したアルゴリズムを用いて概ね解決できる重要な産業問題である我々は,ゲートモデルQPUをターゲットとした量子近似最適化アルゴリズム(QAOA)を用いて,このアプローチの成功をベンチマークする。我々の焦点は、正規化および補化Wasserstein Distance, $eta$によって決定されたソリューションの品質である。
論文参考訳（メタデータ） (2022-02-14T15:00:28Z)
Higher-order Derivatives of Weighted Finite-state Machines [68.43084108204741]
本研究では、重み付き有限状態機械の正規化定数に関する高次微分の計算について検討する。文献に記載されていないすべての順序の導関数を評価するための一般アルゴリズムを提案する。我々のアルゴリズムは以前のアルゴリズムよりもはるかに高速である。
論文参考訳（メタデータ） (2021-06-01T19:51:55Z)
Fast estimation of outcome probabilities for quantum circuits [0.0]
我々は、$n$ qubits上の普遍量子回路のシミュレーションのための2つの古典的アルゴリズムを提案する。我々のアルゴリズムは、パラメータの異なる条件下で最高の処理を行うことで、お互いを補完する。アルゴリズムのC+Python実装を提供し、ランダム回路を用いてそれらをベンチマークする。
論文参考訳（メタデータ） (2021-01-28T19:00:04Z)
List-Decodable Mean Estimation in Nearly-PCA Time [50.79691056481693]
高次元におけるリストデコタブル平均推定の基本的な課題について検討する。我々のアルゴリズムは、すべての$k = O(sqrtd) cup Omega(d)$に対して$widetildeO(ndk)$で実行されます。我々のアルゴリズムの変種は、すべての$k$に対してランタイム$widetildeO(ndk)$を持ち、リカバリ保証の$O(sqrtlog k)$ Factorを犠牲にしている。
論文参考訳（メタデータ） (2020-11-19T17:21:37Z)

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。