論文の概要: Metaheuristics "In the Large"

• arxiv url: http://arxiv.org/abs/2011.09821v4
• Date: Thu, 3 Jun 2021 11:04:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 20:15:10.289782
• Title: Metaheuristics "In the Large"
• Title（参考訳）: メタヒューリスティックス「大規模」
• Authors: Jerry Swan, Steven Adriaensen, Alexander E. I. Brownlee, Kevin Hammond, Colin G. Johnson, Ahmed Kheiri, Faustyna Krawiec, J. J. Merelo, Leandro L. Minku, Ender \"Ozcan, Gisele L. Pappa, Pablo Garc\'ia-S\'anchez, Kenneth S\"orensen, Stefan Vo{\ss}, Markus Wagner, David R. White
• Abstract要約: 新たなアプローチの開発、分析、比較を支援するために、より強力な科学的および計算インフラが必要である。 インフラ支援の原則的選択によって、この分野はより高度な科学的探求を追求できると我々は主張する。 我々は,すべてのメタヒューリスティックスに対する共通プロトコルの採用が,この分野の可能性の解放にどのように役立つかを示す。
• 参考スコア（独自算出の注目度）: 44.254602563134576
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Following decades of sustained improvement, metaheuristics are one of the great success stories of optimization research. However, in order for research in metaheuristics to avoid fragmentation and a lack of reproducibility, there is a pressing need for stronger scientific and computational infrastructure to support the development, analysis and comparison of new approaches. We argue that, via principled choice of infrastructure support, the field can pursue a higher level of scientific enquiry. We describe our vision and report on progress, showing how the adoption of common protocols for all metaheuristics can help liberate the potential of the field, easing the exploration of the design space of metaheuristics.
• Abstract（参考訳）: 数十年にわたる継続的な改善の後、メタヒューリスティックスは最適化研究の大きな成功例の1つである。 しかし, 破片化や再現性の欠如を避けるメタヒューリスティックスの研究のためには, 新たなアプローチの開発, 分析, 比較を支援するために, より強力な科学・計算基盤が必要である。 インフラ支援の原則的選択によって、この分野はより高度な科学的探求を追求できると我々は主張する。 我々は、我々のビジョンと進歩に関する報告を説明し、すべてのメタヒューリスティックに対する共通のプロトコルの採用が、分野の可能性を解放し、メタヒューリスティックの設計領域を探求する上でどのように役立つかを示します。

関連論文リスト

• SoK: Software Compartmentalization [3.058923790501231]
  大規模なシステムを小さなコンポーネントに分解することは、エクスプロイトの影響を最小限に抑える効果的な方法として長年認識されてきた。 歴史的ルーツ、実証された利益、そして学術と産業における多くの研究努力にもかかわらず、ソフトウェアの区画化は依然として主流ではない。 本稿では,構成化アプローチの体系的分析,比較,指示のための統一モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-11T00:38:45Z)
• A Tutorial on the Design, Experimentation and Application of Metaheuristic Algorithms to Real-World Optimization Problems [16.890440704820367]
  メタヒューリスティックの設計と使用に関する数十年の歴史的進歩にもかかわらず、新しい技術成果の理解可能性、アルゴリズム設計の正しさ、性能検証性に関して大きな困難が残っている。 この研究は、最適化に使用されるメタヒューリスティックス手法の研究を行う際に、受け入れるべき良いプラクティスの提案を聴衆に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-04T07:41:23Z)
• SciOps: Achieving Productivity and Reliability in Data-Intensive Research [0.8414742293641504]
  科学者たちは、実験や研究の目標を拡大するために、機器、自動化、協調ツールの進歩をますます活用している。 神経科学を含む様々な科学分野は、コラボレーション、インスピレーション、自動化を強化するための重要な技術を採用してきた。 厳密な科学的操作の原理を説明する5段階の能力成熟度モデルを導入する。
  論文  参考訳（メタデータ） (2023-12-29T21:37:22Z)
• A Survey of Reasoning with Foundation Models [235.7288855108172]
  推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。 本稿では,推論に適応する基礎モデルを提案する。 次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
  論文  参考訳（メタデータ） (2023-12-17T15:16:13Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
  本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。 我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。 我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
  論文  参考訳（メタデータ） (2023-05-22T11:08:00Z)
• Multimodal Sentiment Analysis: A Survey [5.910558593808665]
  本稿では,マルチモーダル感情分析の定義,背景,展開について概説する。 また、最近のデータセットや高度なモデルについても取り上げ、この技術の課題と今後の展望を強調している。
  論文  参考訳（メタデータ） (2023-05-12T16:56:13Z)
• An information-theoretic perspective on intrinsic motivation in reinforcement learning: a survey [0.0]
  本稿では,これらの研究成果を情報理論に基づく新たな分類法を用いて調査することを提案する。 我々は、サプライズ、ノベルティ、スキル学習の概念を計算的に再考する。 我々の分析は、新規性とサプライズがトランスファー可能なスキルの階層を構築するのに役立つことを示唆している。
  論文  参考訳（メタデータ） (2022-09-19T09:47:43Z)
• Learnings from Frontier Development Lab and SpaceML -- AI Accelerators for NASA and ESA [57.06643156253045]
  AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。 我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。 FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
  論文  参考訳（メタデータ） (2020-11-09T21:23:03Z)
• Using satellite imagery to understand and promote sustainable development [87.72561825617062]
  持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。 我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。 不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
  論文  参考訳（メタデータ） (2020-09-23T05:20:00Z)

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。