論文の概要: CACTUS: Detecting and Resolving Conflicts in Objective Functions
- arxiv url: http://arxiv.org/abs/2103.07805v1
- Date: Sat, 13 Mar 2021 22:38:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 14:21:01.768748
- Title: CACTUS: Detecting and Resolving Conflicts in Objective Functions
- Title（参考訳）: CACTUS: 目的関数における競合の検出と解決
- Authors: Subhajit Das and Alex Endert
- Abstract要約: 多対象最適化において、矛盾する目的と制約は大きな関心事である。
本稿では,多目的目的関数を可視化する手法をプロトタイプ化して,この作業範囲を拡張する。
本手法は,分類タスクの潜在的な競合を解決することによって,ユーザが対話的に有意義な目的関数を特定できることを示す。
- 参考スコア（独自算出の注目度）: 16.784454432715712
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning (ML) models are constructed by expert ML practitioners using
various coding languages, in which they tune and select models hyperparameters
and learning algorithms for a given problem domain. They also carefully design
an objective function or loss function (often with multiple objectives) that
captures the desired output for a given ML task such as classification,
regression, etc. In multi-objective optimization, conflicting objectives and
constraints is a major area of concern. In such problems, several competing
objectives are seen for which no single optimal solution is found that
satisfies all desired objectives simultaneously. In the past VA systems have
allowed users to interactively construct objective functions for a classifier.
In this paper, we extend this line of work by prototyping a technique to
visualize multi-objective objective functions either defined in a Jupyter
notebook or defined using an interactive visual interface to help users to: (1)
perceive and interpret complex mathematical terms in it and (2) detect and
resolve conflicting objectives. Visualization of the objective function
enlightens potentially conflicting objectives that obstructs selecting correct
solution(s) for the desired ML task or goal. We also present an enumeration of
potential conflicts in objective specification in multi-objective objective
functions for classifier selection. Furthermore, we demonstrate our approach in
a VA system that helps users in specifying meaningful objective functions to a
classifier by detecting and resolving conflicting objectives and constraints.
Through a within-subject quantitative and qualitative user study, we present
results showing that our technique helps users interactively specify meaningful
objective functions by resolving potential conflicts for a classification task.
- Abstract（参考訳）: 機械学習(ML)モデルは、さまざまなコーディング言語を使用して、与えられた問題領域に対するハイパーパラメータと学習アルゴリズムをチューニングし、選択する専門家ML実践者によって構築される。
彼らはまた、分類、回帰などの所定のmlタスクの望ましい出力をキャプチャする目的関数や損失関数(しばしば複数の目的を持つ)を慎重に設計する。
多対象最適化において、矛盾する目的と制約は大きな関心事である。
このような問題では、望ましい全ての目的を同時に満たす単一の最適解が見つからないいくつかの競合する目的が見出される。
過去VAシステムでは、ユーザーが分類器の客観的関数をインタラクティブに構築することができました。
本論文では,ユピターノートブックで定義される多対象目的関数を可視化する手法や,対話型ビジュアルインターフェースを用いて,ユーザが複雑な数学的用語を知覚・解釈し,競合する目的を検出・解決する手法を試作することにより,この作業範囲を拡大する。
目的関数の可視化は、望ましいMLタスクまたは目標の正しいソリューションの選択を妨げる潜在的な矛盾する目標を啓蒙します。
また、分類器選択のための多目的目的関数の目的仕様における潜在的な競合を列挙する。
さらに,係り合う目的や制約を検知して解決することにより,ユーザが意味のある目的関数を分類器に指定するのを支援するVAシステムにおいて,我々のアプローチを実証する。
本研究では,対象内定量的および定性的ユーザスタディを通じて,分類タスクの潜在的な競合を解くことによって,ユーザが有意な客観的関数をインタラクティブに特定できることを示す。
関連論文リスト
- UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。
重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。
学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文 参考訳（メタデータ） (2024-05-01T09:34:42Z) - Many-Objective Multi-Solution Transport [36.07360460509921]
many-objective multi-solution Transport (MosT) は、Paretoの多くの目的に対して複数の多様なソリューションを見つけるためのフレームワークである。
MosTはこの問題を各解に対する重み付けされた目的の2段階の最適化として定式化し、そこでは重み付けは目的と解の間の最適な輸送によって定義される。
論文 参考訳（メタデータ） (2024-03-06T23:03:12Z) - PMGDA: A Preference-based Multiple Gradient Descent Algorithm [12.600588000788214]
マルチタスク学習のような、多くの多目的機械学習アプリケーションにおいて、意思決定者の所定の好みに合ったソリューションを見つけることが望ましい。
本稿では,意思決定者の好みに合ったソリューションを見つけるための,新しい予測と修正のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-14T11:27:31Z) - Cycle Consistency Driven Object Discovery [75.60399804639403]
本研究では,シーンの各オブジェクトが異なるスロットに関連付けられなければならない制約を明示的に最適化する手法を提案する。
これらの一貫性目標を既存のスロットベースのオブジェクト中心手法に統合することにより、オブジェクト発見性能を大幅に改善することを示す。
提案手法は,オブジェクト発見を改善するだけでなく,下流タスクのよりリッチな機能も提供することを示唆している。
論文 参考訳（メタデータ） (2023-06-03T21:49:06Z) - An Algorithm and Complexity Results for Causal Unit Selection [16.307996243413967]
単位選択問題は、刺激を受ける際に望ましい振る舞いを示す可能性が最も高い、単位と呼ばれる物体を特定することを目的としている。
本稿では,幅広い因果的目的関数のクラスと完全に定義された構造因果的モデルに与えられた最適単位を求めるための,最初の正確なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-28T08:46:51Z) - Multi-Objective GFlowNets [59.16787189214784]
本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。
薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。
GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
論文 参考訳（メタデータ） (2022-10-23T16:15:36Z) - Alleviating Search Bias in Bayesian Evolutionary Optimization with Many
Heterogeneous Objectives [9.139734850798124]
異種目的(HE-MOP)を用いた多目的最適化問題に対処する。
高速な目的に対して探索バイアスを緩和する新たな獲得関数を提案する。
提案アルゴリズムの有効性を,多目的・多目的のベンチマーク問題で検証することによって実証する。
論文 参考訳（メタデータ） (2022-08-25T17:07:40Z) - INVIGORATE: Interactive Visual Grounding and Grasping in Clutter [56.00554240240515]
INVIGORATEは、自然言語で人間と対話し、特定の物体をクラッタで把握するロボットシステムである。
我々は、物体検出、視覚的接地、質問生成、OBR検出と把握のために、別々のニューラルネットワークを訓練する。
我々は、学習したニューラルネットワークモジュールを統合する、部分的に観測可能なマルコフ決定プロセス(POMDP)を構築します。
論文 参考訳（メタデータ） (2021-08-25T07:35:21Z) - A Distributional View on Multi-Objective Policy Optimization [24.690800846837273]
大規模不変な方法で目的の好みを設定することができる多目的強化学習アルゴリズムを提案する。
フレームワーク内で異なる好みを設定することで、非支配的なソリューションの空間を追跡できることを示す。
論文 参考訳（メタデータ） (2020-05-15T13:02:17Z) - Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。
モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。
本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
論文 参考訳（メタデータ） (2020-03-29T04:23:22Z) - A Unified Object Motion and Affinity Model for Online Multi-Object
Tracking [127.5229859255719]
オブジェクトの動きと親和性モデルを単一のネットワークに統一する新しいMOTフレームワークUMAを提案する。
UMAは、単一物体追跡とメートル法学習をマルチタスク学習により統合された三重項ネットワークに統合する。
我々は,タスク認識機能学習を促進するために,タスク固有のアテンションモジュールを装備する。
論文 参考訳（メタデータ） (2020-03-25T09:36:43Z)
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。