Fugu-MT 論文翻訳(概要): Contract Scheduling With Predictions

論文の概要: Contract Scheduling With Predictions

arxiv url: http://arxiv.org/abs/2011.12439v1
Date: Tue, 24 Nov 2020 23:00:04 GMT
ステータス: 処理完了
システム内更新日: 2022-09-21 13:56:00.910079
Title: Contract Scheduling With Predictions
Title（参考訳）: 予測を伴う契約スケジューリング
Authors: Spyros Angelopoulos and Shahin Kamali
Abstract要約: 割り込みに関する誤った予測がある可能性のある設定について検討する。いずれの設定においても、ロバスト性(逆予測を仮定する最悪の性能)と一貫性(予測がエラーのないと仮定する性能)のトレードオフを調査する。
参考スコア（独自算出の注目度）: 12.335698325757491
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Contract scheduling is a general technique that allows to design a system with interruptible capabilities, given an algorithm that is not necessarily interruptible. Previous work on this topic has largely assumed that the interruption is a worst-case deadline that is unknown to the scheduler. In this work, we study the setting in which there is a potentially erroneous prediction concerning the interruption. Specifically, we consider the setting in which the prediction describes the time that the interruption occurs, as well as the setting in which the prediction is obtained as a response to a single or multiple binary queries. For both settings, we investigate tradeoffs between the robustness (i.e., the worst-case performance assuming adversarial prediction) and the consistency (i.e, the performance assuming that the prediction is error-free), both from the side of positive and negative results.
Abstract（参考訳）: 契約スケジューリングは、必ずしも割り込み可能でないアルゴリズムを考えると、割り込み可能な機能を持つシステムを設計できる一般的な手法である。このトピックに関する以前の研究は、割り込みはスケジューラに未知の最悪のケースの締め切りである、と大半を仮定している。そこで本研究では,中断に関する誤った予測の可能性がある設定について検討する。具体的には、予測が割り込みの発生時刻を記述した設定と、その予測が1つまたは複数のバイナリクエリに対する応答として得られる設定について考察する。いずれの設定においても,正と負の両方の結果から,ロバスト性(逆予測を仮定する最悪の性能)と一貫性(予測が誤りのない性能を仮定する性能)のトレードオフを検討する。

関連論文リスト

Contract Scheduling with Distributional and Multiple Advice [37.64065953072774]
これまでの研究によると、割り込み時間に関する予測は、契約ベースのシステムの性能を改善するのに役立ちます。本稿では,予測が確率分布の形で行われる,より汎用的で現実的な学習強化設定の導入と研究を行う。提案手法は,分布設定における誤差の予測に頑健であることを示す。
論文参考訳（メタデータ） (2024-04-18T19:58:11Z)
Post-selection Inference for Conformal Prediction: Trading off Coverage for Precision [0.0]
伝統的に、共形予測推論はデータに依存しない発見レベルの仕様を必要とする。我々は,データ依存的誤発見レベルを考慮した同時共形推論を開発する。
論文参考訳（メタデータ） (2023-04-12T20:56:43Z)
Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
論文参考訳（メタデータ） (2022-02-21T13:18:11Z)
Comparing Sequential Forecasters [35.38264087676121]
2つの予測器を考えてみましょう。それぞれが時間とともに一連のイベントを予測します。オンラインでもポストホックでも、予測と結果がどのように生成されたかの検証不可能な仮定を避けながら、これらの予測をどのように比較すればよいのか? 予測スコアの時間差を推定するための新しい逐次推論手法を提案する。実世界の野球と天気予報機を比較することで,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2021-09-30T22:54:46Z)
Private Prediction Sets [72.75711776601973]
機械学習システムは、個人のプライバシーの確実な定量化と保護を必要とする。これら2つのデシラタを共同で扱う枠組みを提案する。本手法を大規模コンピュータビジョンデータセット上で評価する。
論文参考訳（メタデータ） (2021-02-11T18:59:11Z)
Novel Techniques to Assess Predictive Systems and Reduce Their Alarm Burden [0.0]
そこで本研究では,実用関数を用いた性能評価手法(「u-metrics」)を導入し,各予測値を評価する。従来のパフォーマンス指標と比較して、u-metricsはワークフローコンテキストで動作する予測器の現実の利点とコストをより正確に反映する。また,予測を一定期間抑制し,一般に予測性能を向上する手法である「スヌーズ」の使用についても述べる。
論文参考訳（メタデータ） (2021-02-10T19:05:06Z)
Distribution-Free, Risk-Controlling Prediction Sets [112.9186453405701]
ユーザ特定レベルにおける将来のテストポイントにおける期待損失を制御するブラックボックス予測器から設定値予測を生成する方法を示す。提案手法は,予測セットのサイズをキャリブレーションするホールドアウトセットを用いて,任意のデータセットに対して明確な有限サンプル保証を提供する。
論文参考訳（メタデータ） (2021-01-07T18:59:33Z)
Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文参考訳（メタデータ） (2020-06-30T15:49:05Z)
AutoCP: Automated Pipelines for Accurate Prediction Intervals [84.16181066107984]
本稿では、自動予測のための自動機械学習(Automatic Machine Learning for Conformal Prediction, AutoCP)というAutoMLフレームワークを提案する。最高の予測モデルを選択しようとする慣れ親しんだAutoMLフレームワークとは異なり、AutoCPは、ユーザが指定したターゲットカバレッジ率を達成する予測間隔を構築する。さまざまなデータセットでAutoCPをテストしたところ、ベンチマークアルゴリズムを著しく上回っていることがわかった。
論文参考訳（メタデータ） (2020-06-24T23:13:11Z)
Predictive Business Process Monitoring via Generative Adversarial Nets: The Case of Next Event Prediction [0.026249027950824504]
本稿では,次の事象予測の問題に対処するための,新たな逆トレーニングフレームワークを提案する。これは、2人のプレイヤーのゲームで1つのニューラルネットワークをもう1つのニューラルネットワークと対戦させることで機能し、それは地上の真実と区別できない予測につながる。単純なネットワークアーキテクチャとナイーブな特徴符号化を使用しても、正確さと予測のイヤーラインの両方において、体系的にすべてのベースラインを上回ります。
論文参考訳（メタデータ） (2020-03-25T08:31:28Z)
Ambiguity in Sequential Data: Predicting Uncertain Futures with Recurrent Models [110.82452096672182]
逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
論文参考訳（メタデータ） (2020-03-10T09:15:42Z)

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。