論文の概要: Information-Theoretic Abstractions for Resource-Constrained Agents via Mixed-Integer Linear Programming

• arxiv url: http://arxiv.org/abs/2102.10015v1
• Date: Fri, 19 Feb 2021 16:34:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-22 13:21:48.237974
• Title: Information-Theoretic Abstractions for Resource-Constrained Agents via Mixed-Integer Linear Programming
• Title（参考訳）: 混合整数線形プログラミングによる資源制約エージェントの情報理論的抽象化
• Authors: Daniel T. Larsson, Dipankar Maity, Panagiotis Tsiotras
• Abstract要約: 本稿では,資源制約エージェントに対するタスク関連多解像度グラフ抽象化問題に対する混合整数線形プログラミングの定式化について述べる。 非自明な数値例を提示し、リソース限定エージェントの階層的ツリー抽象化のアプローチを用いた実用性を示す。
• 参考スコア（独自算出の注目度）: 11.247580943940916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a mixed-integer linear programming formulation for the problem of obtaining task-relevant, multi-resolution, graph abstractions for resource-constrained agents is presented. The formulation leverages concepts from information-theoretic signal compression, specifically the information bottleneck (IB) method, to pose a graph abstraction problem as an optimal encoder search over the space of multi-resolution trees. The abstractions emerge in a task-relevant manner as a function of agent information-processing constraints, and are not provided to the system a priori. We detail our formulation and show how the problem can be realized as an integer linear program. A non-trivial numerical example is presented to demonstrate the utility in employing our approach to obtain hierarchical tree abstractions for resource-limited agents.
• Abstract（参考訳）: 本稿では,資源制約エージェントに対するタスク関連多分解能グラフ抽象化問題に対する混合整数線形プログラミングの定式化について述べる。 この定式化は、情報理論信号圧縮、特に情報ボトルネック(IB)法の概念を利用して、マルチリゾリューションツリーの空間上の最適なエンコーダ探索としてグラフ抽象化問題を提起する。 抽象化はエージェント情報処理制約の関数としてタスク関連的な方法で現れ、システムを優先的に提供するものではない。 本手法を詳述し,整数線形プログラムとして問題を実現する方法を示す。 非自明な数値例を提示し、リソース限定エージェントの階層的ツリー抽象化のアプローチを用いた実用性を示す。

関連論文リスト

• Consciousness-Inspired Spatio-Temporal Abstractions for Better Generalization in Reinforcement Learning [83.41487567765871]
  Skipperはモデルベースの強化学習フレームワークである。 これは、与えられたタスクをより小さく、より管理しやすいサブタスクに自動的に一般化する。 環境の関連部分には、スパースな意思決定と集中した抽象化を可能にする。
  論文  参考訳（メタデータ） (2023-09-30T02:25:18Z)
• Promise and Limitations of Supervised Optimal Transport-Based Graph Summarization via Information Theoretic Measures [3.179831861897336]
  グラフ要約は、入力グラフデータセットのより小さなグラフ表現を生成する問題である。 本稿では,教師付きグラフ要約の問題点を考察し,情報理論を用いてクラスラベルに関する関連情報を保存することを目的とする。 サンプルグラフとクラスラベルに関連付けられた確率変数間の相互情報推定を最適輸送圧縮フレームワークに組み込んだ要約手法を提案する。
  論文  参考訳（メタデータ） (2023-05-11T21:03:34Z)
• Ideal Abstractions for Decision-Focused Learning [108.15241246054515]
  本稿では,決定関連情報の損失を最小限に抑えるために,出力空間を自動的に構成する手法を提案する。 本手法は,ディープニューラルネットワークトレーニングのためのデータ取得と,閉ループ山火事管理タスクの2つの領域で実証する。
  論文  参考訳（メタデータ） (2023-03-29T23:31:32Z)
• A Linear Programming Approach for Resource-Aware Information-Theoretic Tree Abstractions [16.565205172451662]
  本稿では,資源制約のある自律エージェントに対して,タスク関連,マルチレゾリューション,環境抽象化を実現するための整数線形プログラミングの定式化について述べる。 本稿では,信号圧縮のための階層木構造,信号エンコーダ,情報理論手法を共通テーマの下で統一する方法について述べる。 多分解能木の空間上の情報理論的抽象問題は、整数線形プログラミング(ILP)問題として定式化できることが示されている。
  論文  参考訳（メタデータ） (2022-08-08T15:44:09Z)
• Towards Explanation for Unsupervised Graph-Level Representation Learning [108.31036962735911]
  既存の説明手法は,教師付き設定,例えばノード分類,グラフ分類に重点を置いているが,教師なしグラフレベルの表現学習に関する説明はまだ探索されていない。 本稿では,非教師付きグラフ表現における説明問題に対処するために,インフォメーション・ボトルネックの原則(IB)を推進し,新しい原理であるtextitUnsupervised Subgraph Information Bottleneck(USIB)を導出する。 また,グラフ表現とラベル空間上の説明部分グラフの関連性も理論的に解析し,表現の堅牢性が説明部分グラフの忠実性に寄与することを明らかにする。
  論文  参考訳（メタデータ） (2022-05-20T02:50:15Z)
• Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
  相互依存信号のデータセットは、列が強い依存を示す行列として定義される。 ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。 ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
  論文  参考訳（メタデータ） (2022-03-29T21:00:39Z)
• Abstractive Query Focused Summarization with Query-Free Resources [60.468323530248945]
  本稿では,汎用的な要約リソースのみを利用して抽象的なqfsシステムを構築する問題を考える。 本稿では,要約とクエリのための新しい統一表現からなるMasked ROUGE回帰フレームワークであるMargeを提案する。 最小限の監視から学習したにもかかわらず,遠隔管理環境において最先端の結果が得られた。
  論文  参考訳（メタデータ） (2020-12-29T14:39:35Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)
• Information-Theoretic Abstractions for Planning in Agents with Computational Constraints [16.565205172451662]
  本稿では,元空間の抽象化に関する問題を解くことで,環境内の経路計画問題を体系的に近似する方法を示す。 数値的な例を提示し, アプローチの有用性を示し, 理論的知見を裏付ける。
  論文  参考訳（メタデータ） (2020-05-19T17:32:10Z)
• On the Information Bottleneck Problems: Models, Connections, Applications and Information Theoretic Views [39.49498500593645]
  本チュートリアルでは,情報理論の観点からボトルネック問題の変種に着目した。 問題を解決するための実践的な方法と、コーディングと学習の側面との関係について論じる。
  論文  参考訳（メタデータ） (2020-01-31T15:23:19Z)

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。