Fugu-MT 論文翻訳(概要): Using BART for Multiobjective Optimization of Noisy Multiple Objectives

論文の概要: Using BART for Multiobjective Optimization of Noisy Multiple Objectives

arxiv url: http://arxiv.org/abs/2101.02558v1
Date: Mon, 4 Jan 2021 18:58:37 GMT
ステータス: 処理完了
システム内更新日: 2021-04-11 22:49:04.805257
Title: Using BART for Multiobjective Optimization of Noisy Multiple Objectives
Title（参考訳）: BARTを用いた雑音多目的物の多目的最適化
Authors: Akira Horiguchi and Thomas J. Santner and Ying Sun and Matthew T. Pratola
Abstract要約: この記事では、一般的な代替品よりも制約が小さい非パラメトリックモデルを提案する。 BART法の性能を解析的テスト関数を用いたGP法と比較した。 BARTをベースとした手法は,産業4.0のエンジニアリング問題に応用される。
参考スコア（独自算出の注目度）: 2.61632317858237
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Techniques to reduce the energy burden of an Industry 4.0 ecosystem often require solving a multiobjective optimization problem. However, collecting experimental data can often be either expensive or time-consuming. In such cases, statistical methods can be helpful. This article proposes Pareto Front (PF) and Pareto Set (PS) estimation methods using Bayesian Additive Regression Trees (BART), which is a non-parametric model whose assumptions are typically less restrictive than popular alternatives, such as Gaussian Processes. The performance of our BART-based method is compared to a GP-based method using analytic test functions, demonstrating convincing advantages. Finally, our BART-based methodology is applied to a motivating Industry 4.0 engineering problem.
Abstract（参考訳）: 業界の4.0エコシステムのエネルギー負荷を軽減する技術は、しばしば多目的最適化問題を解決する必要がある。しかし、実験データの収集は、しばしば高価か時間を要する。このような場合、統計的手法は有用である。本稿では,非パラメトリックモデルであるベイズ加法回帰木 (bart) を用いたpareto front (pf) とpareto set (ps) 推定法を提案する。 BART法の性能を解析的テスト関数を用いたGP法と比較し,有意義な優位性を示す。最後に,BARTをベースとした手法を産業用4.0エンジニアリング問題に適用する。

関連論文リスト

Estimating Barycenters of Distributions with Neural Optimal Transport [93.28746685008093]
本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。我々の手法は最近のNeural OTソルバをベースとしている。また,提案手法の理論的誤差境界も確立する。
論文参考訳（メタデータ） (2024-02-06T09:17:07Z)
Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation [44.53678257757108]
目的関数の大域的最適値にサブ線形収束できる新しいBO法を提案する。本手法では,BOプロセスにランダムなデータポイントを追加するために,マルチアームバンディット法 (EXP3) を用いる。提案手法は, 様々な合成および実世界の問題に対して, 既存の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2023-06-12T03:35:45Z)
End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文参考訳（メタデータ） (2023-05-25T10:58:46Z)
FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文参考訳（メタデータ） (2022-10-10T12:35:02Z)
A Parallel Technique for Multi-objective Bayesian Global Optimization: Using a Batch Selection of Probability of Improvement [2.1055643409860743]
本稿では,複数の点をバッチで比較した5種類のemphProbability of Improvement (PoI)を提案する。様々なベンチマークに関する2つの実験を行い、2つのgreedy q-PoIの有効性を実証した。
論文参考訳（メタデータ） (2022-08-07T09:28:44Z)
Uncertainty-Aware Search Framework for Multi-Objective Bayesian Optimization [40.40632890861706]
高価な関数評価を用いたマルチオブジェクト(MO)ブラックボックス最適化の問題点を考察する。 UeMOと呼ばれる新しい不確実性対応検索フレームワークを提案し、評価のための入力シーケンスを効率的に選択する。
論文参考訳（メタデータ） (2022-04-12T16:50:48Z)
Robust Multi-Objective Bayesian Optimization Under Input Noise [27.603887040015888]
多くの製造プロセスにおいて、設計パラメータはランダムな入力ノイズを受けており、結果として製品は期待よりも性能が低い。本研究では,入力雑音に頑健な最初の多目的BO法を提案する。
論文参考訳（メタデータ） (2022-02-15T16:33:48Z)
Variance-Optimal Augmentation Logging for Counterfactual Evaluation in Contextual Bandits [25.153656462604268]
オフラインのA/Bテストと反ファクトラーニングの手法は、検索システムやレコメンデーションシステムに急速に採用されている。これらの手法で一般的に使用される対物推定器は、ログポリシが評価対象のポリシーと大きく異なる場合、大きなバイアスと大きなばらつきを持つ可能性がある。本稿では,下流評価や学習問題の分散を最小限に抑えるロギングポリシーを構築するための,MVAL(Minimum Variance Augmentation Logging)を提案する。
論文参考訳（メタデータ） (2022-02-03T17:37:11Z)
Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文参考訳（メタデータ） (2021-07-14T17:55:28Z)
Logistic Q-Learning [87.00813469969167]
MDPにおける最適制御の正規化線形プログラミング定式化から導いた新しい強化学習アルゴリズムを提案する。提案アルゴリズムの主な特徴は,広範に使用されているベルマン誤差の代わりとして理論的に音声として機能する,政策評価のための凸損失関数である。
論文参考訳（メタデータ） (2020-10-21T17:14:31Z)
Probabilistic Case-based Reasoning for Open-World Knowledge Graph Completion [59.549664231655726]
ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
論文参考訳（メタデータ） (2020-10-07T17:48:12Z)

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。