論文の概要: Heterogeneous Objectives: State-of-the-Art and Future Research
- arxiv url: http://arxiv.org/abs/2103.15546v1
- Date: Fri, 26 Feb 2021 23:30:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:52:18.673667
- Title: Heterogeneous Objectives: State-of-the-Art and Future Research
- Title（参考訳）: 不均質な目的:現状と今後の研究
- Authors: Richard Allmendinger and Joshua Knowles
- Abstract要約: 不均一な目的を持つ多目的最適化問題は、異なる目的関数成分を持つものとして定義される。
本章では,異質な目的のトピックに関するさらなる研究の必要性を動機付け,異質なタイプの基本的な分類法を拡張し,これらの問題に取り組む技術の現状について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiobjective optimization problems with heterogeneous objectives are
defined as those that possess significantly different types of objective
function components (not just incommensurable in units or scale). For example,
in a heterogeneous problem the objective function components may differ in
formal computational complexity, practical evaluation effort (time, costs, or
resources), determinism (stochastic vs deterministic), or some combination of
all three. A particularly challenging variety of heterogeneity may occur by the
combination of a time-consuming laboratory-based objective with other
objectives that are evaluated using faster computer-based calculations. Perhaps
more commonly, all objectives may be evaluated computationally, but some may
require a lengthy simulation process while others are computed from a
relatively simple closed-form calculation. In this chapter, we motivate the
need for more work on the topic of heterogeneous objectives (with reference to
real-world examples), expand on a basic taxonomy of heterogeneity types, and
review the state of the art in tackling these problems. We give special
attention to heterogeneity in evaluation time (latency) as this requires
sophisticated approaches. We also present original experimental work on
estimating the amount of heterogeneity in evaluation time expected in
many-objective problems, given reasonable assumptions, and survey related
research threads that could contribute to this area in future.
- Abstract（参考訳）: 異質な目的を持つ多目的最適化問題は、(単位やスケールでは無視できないだけでなく)非常に異なる種類の目的関数コンポーネントを持つものとして定義される。
例えば、不均一な問題では、客観的関数成分は形式的な計算複雑性、実際的な評価努力(時間、コスト、資源)、決定論(確率的対決定論的)、あるいはこれら3つの組み合わせで異なる場合がある。
特に困難な多様性は、時間を消費する実験室ベースの目的と、より高速なコンピュータベースの計算を用いて評価される他の目的の組み合わせによって起こりうる。
おそらくより一般的には、全ての目的を計算的に評価することができるが、あるものは比較的単純な閉形式計算から計算される一方で、長いシミュレーションプロセスを必要とする。
本章では、異質な目的(実世界の例を参照して)のトピックに関するさらなる研究の必要性を動機付け、異質なタイプの基本的な分類法を拡張し、これらの問題に取り組む技術の現状について検討する。
評価時間(相対性)における不均一性に特に注目する。
また,多目的問題における評価時間の不均一性について,合理的な仮定から推定する実験結果と,今後この領域に寄与する可能性のある調査研究スレッドについて述べる。
関連論文リスト
- Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Endogenous Macrodynamics in Algorithmic Recourse [52.87956177581998]
対実説明(CE)とアルゴリズム・リコース(AR)に関する既存の研究は、静的環境における個人に主に焦点を当ててきた。
既存の方法論の多くは、一般化されたフレームワークによってまとめて記述できることを示す。
次に、既存のフレームワークは、グループレベルでの言論の内在的ダイナミクスを研究する際にのみ明らかとなるような、隠された対外的関係のコストを考慮に入れていないと論じる。
論文 参考訳（メタデータ） (2023-08-16T07:36:58Z) - Predictive Heterogeneity: Measures and Applications [26.85283526483783]
本稿では,モデルキャパシティと計算制約を考慮した表現可能な予測不均一性を提案する。
ほぼ正しい(PAC)境界を持つ有限データから確実に推定できることを示す。
実験的に、探索された異質性は、所得予測、収量予測、画像分類タスクにおけるサブ人口区分に関する洞察を提供する。
論文 参考訳（メタデータ） (2023-04-01T12:20:06Z) - Global and Preference-based Optimization with Mixed Variables using Piecewise Affine Surrogates [0.6083861980670925]
本稿では,線形制約付き混合変数問題の解法として,新しいサロゲートに基づく大域的最適化アルゴリズムを提案する。
目的関数はブラックボックスとコスト対評価であり、線形制約は予測不可能な事前知識である。
本稿では,2種類の探索関数を導入し,混合整数線形計画解法を用いて実現可能な領域を効率的に探索する。
論文 参考訳（メタデータ） (2023-02-09T15:04:35Z) - Learning to Bound Counterfactual Inference in Structural Causal Models
from Observational and Randomised Data [64.96984404868411]
我々は、従来のEMベースのアルゴリズムを拡張するための全体的なデータの特徴付けを導出する。
新しいアルゴリズムは、そのような混合データソースからモデルパラメータの(不特定性)領域を近似することを学ぶ。
反実的な結果に間隔近似を与え、それが特定可能な場合の点に崩壊する。
論文 参考訳（メタデータ） (2022-12-06T12:42:11Z) - Generalization bounds and algorithms for estimating conditional average
treatment effect of dosage [13.867315751451494]
本研究では,治療薬対の条件付き平均因果効果を観測データと仮定の組み合わせで推定する作業について検討した。
これは疫学や経済学など、意思決定のために治療薬対を必要とする分野における長年にわたる課題である。
この問題に対するいくつかのベンチマークデータセットに対して、実証的に新しい最先端のパフォーマンス結果を示す。
論文 参考訳（メタデータ） (2022-05-29T15:26:59Z) - Using Machine Learning to Test Causal Hypotheses in Conjoint Analysis [5.064097093575691]
本研究では,条件付きランダム化テストに基づく新しい仮説テスト手法を提案する。
我々の手法は単に因子のランダム化にのみ基づき、従って仮定は不要である。
論文 参考訳（メタデータ） (2022-01-20T18:23:12Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳（メタデータ） (2021-11-15T03:16:56Z) - Transfer Learning Based Co-surrogate Assisted Evolutionary Bi-objective
Optimization for Objectives with Non-uniform Evaluation Times [9.139734850798124]
多目的進化アルゴリズムは、それぞれの目的関数を同じ時間内に評価できると仮定する。
高速な対象関数と低速な対象関数の間の機能的関係をモデル化するために、共代理が採用される。
高速な目的の探索プロセスから有用な知識を得るために、転送可能なインスタンス選択法を導入する。
論文 参考訳（メタデータ） (2021-08-30T16:10:15Z) - Estimating Structural Target Functions using Machine Learning and
Influence Functions [103.47897241856603]
統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。
このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。
我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
論文 参考訳（メタデータ） (2020-08-14T16:48:29Z) - Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
多視点問題は潜在変数モデルに直面することができる。
高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。
両アプローチを単一モデルにマージすることを提案する。
論文 参考訳（メタデータ） (2020-06-01T14:25:38Z)
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。