論文の概要: Optimization meets Big Data: A survey
- arxiv url: http://arxiv.org/abs/2102.01832v1
- Date: Wed, 3 Feb 2021 01:44:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 22:31:09.274633
- Title: Optimization meets Big Data: A survey
- Title（参考訳）: ビッグデータを最適化する - 調査
- Authors: Ricardo Di Pasquale and Javier Marenco
- Abstract要約: 本稿では、ビッグデータ最適化の最近の進歩を概観し、この新興分野の最先端技術を提供する。
このレビューの主な焦点は、ビッグデータ分析環境に適用される最適化技術である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper reviews recent advances in big data optimization, providing the
state-of-art of this emerging field. The main focus in this review are
optimization techniques being applied in big data analysis environments.
Integer linear programming, coordinate descent methods, alternating direction
method of multipliers, simulation optimization and metaheuristics like
evolutionary and genetic algorithms, particle swarm optimization, differential
evolution, fireworks, bat, firefly and cuckoo search algorithms implementations
are reviewed and discussed. The relation between big data optimization and
software engineering topics like information work-flow styles, software
architectures, and software framework is discussed. Comparative analysis in
platforms being used in big data optimization environments are highlighted in
order to bring a state-or-art of possible architectures and topologies.
- Abstract（参考訳）: 本稿では、ビッグデータ最適化の最近の進歩を概観し、この新興分野の最先端を提供する。
このレビューの主な焦点は、ビッグデータ分析環境に適用される最適化技術である。
整数線形計画法,座標降下法,乗算器の交互方向法,シミュレーション最適化法,進化アルゴリズムや遺伝的アルゴリズム,粒子群最適化,微分進化,花火,コウモリ,ホタル,カッコウ探索アルゴリズムの実装など,メタヒューリスティックスを概観し,考察した。
ビッグデータ最適化と情報ワークフロースタイル,ソフトウェアアーキテクチャ,ソフトウェアフレームワークなどのソフトウェアエンジニアリングトピックとの関係について論じる。
ビッグデータ最適化環境で使用されているプラットフォームの比較分析は、可能なアーキテクチャとトポロジの最先端技術をもたらすために強調される。
関連論文リスト
- Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。
一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文 参考訳（メタデータ） (2024-05-28T11:30:19Z) - Functional Graphical Models: Structure Enables Offline Data-Driven Optimization [111.28605744661638]
構造がサンプル効率のよいデータ駆動最適化を実現する方法を示す。
また、FGM構造自体を推定するデータ駆動最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-01-08T22:33:14Z) - A Data-Driven Evolutionary Transfer Optimization for Expensive Problems
in Dynamic Environments [9.098403098464704]
データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。
本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。
提案手法の有効性を実世界のケーススタディで実証した。
論文 参考訳（メタデータ） (2022-11-05T11:19:50Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T01:58:10Z) - Data-driven evolutionary algorithm for oil reservoir well-placement and
control optimization [3.012067935276772]
一般化されたデータ駆動進化アルゴリズム(GDDE)は、適切な配置と制御最適化問題で実行されるシミュレーションの数を減らすために提案される。
確率的ニューラルネットワーク(PNN)は、情報的および有望な候補を選択するための分類器として採用されている。
論文 参考訳（メタデータ） (2022-06-07T09:07:49Z) - A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。
本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文 参考訳（メタデータ） (2021-07-14T18:09:08Z) - A Federated Data-Driven Evolutionary Algorithm [10.609815608017065]
既存のデータ駆動進化最適化アルゴリズムでは、すべてのデータが中央に格納される必要がある。
本論文では,複数のデバイスに分散してデータ駆動型最適化を行うフェデレーションデータ駆動型進化型最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-16T17:18:54Z) - Incremental Data-driven Optimization of Complex Systems in Nonstationary
Environments [26.93254582875251]
本稿では、動的環境がもたらす課題に対処するデータ駆動最適化アルゴリズムを提案する。
まず、サロゲートを訓練するためにデータストリームアンサンブル学習法を採用し、アンサンブルの各ベース学習者が前の環境における時間変化対象関数を学習する。
その後、マルチタスク進化アルゴリズムを用いて、アンサンブルサロゲートによって支援された過去の環境における問題を同時に最適化する。
論文 参考訳（メタデータ） (2020-12-14T02:55:42Z) - Bayesian Variational Optimization for Combinatorial Spaces [0.0]
幅広い応用としては、分子、タンパク質、DNA、デバイス構造、量子回路の設計などが挙げられる。
最適解や最適解を見つけるためには、圏空間上の最適化が不可欠である。
本稿では,変分最適化と連続緩和を組み合わせた変分ベイズ最適化手法を提案する。
論文 参考訳（メタデータ） (2020-11-03T20:56:13Z) - A Primer on Zeroth-Order Optimization in Signal Processing and Machine
Learning [95.85269649177336]
ZO最適化は、勾配推定、降下方向、ソリューション更新の3つの主要なステップを反復的に実行する。
我々は,ブラックボックス深層学習モデルによる説明文の評価や生成,効率的なオンラインセンサ管理など,ZO最適化の有望な応用を実証する。
論文 参考訳（メタデータ） (2020-06-11T06:50:35Z) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z)
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。