論文の概要: A Fresh Approach to Evaluate Performance in Distributed Parallel Genetic Algorithms

• arxiv url: http://arxiv.org/abs/2106.09922v1
• Date: Fri, 18 Jun 2021 05:07:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-26 08:32:54.773806
• Title: A Fresh Approach to Evaluate Performance in Distributed Parallel Genetic Algorithms
• Title（参考訳）: 分散並列遺伝的アルゴリズムの性能評価のための新手法
• Authors: Tomohiro Harada and Enrique Alba and Gabriel Luque
• Abstract要約: 本研究は,多集団並列遺伝的アルゴリズム(PGA)の行動評価と解析のための新しいアプローチを提案する。 特に,観測された性能曲線を表す数学的モデルを提案することにより,それらの数値的および計算的挙動を深く研究する。 実際の数値とそれに適合する数値モデルに基づく結論は、彼らのスピードアップ、実行時間、数値的な努力を理解するための新しい方法を表している。
• 参考スコア（独自算出の注目度）: 5.375634674639956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work proposes a novel approach to evaluate and analyze the behavior of multi-population parallel genetic algorithms (PGAs) when running on a cluster of multi-core processors. In particular, we deeply study their numerical and computational behavior by proposing a mathematical model representing the observed performance curves. In them, we discuss the emerging mathematical descriptions of PGA performance instead of, e.g., individual isolated results subject to visual inspection, for a better understanding of the effects of the number of cores used (scalability), their migration policy (the migration gap, in this paper), and the features of the solved problem (type of encoding and problem size). The conclusions based on the real figures and the numerical models fitting them represent a fresh way of understanding their speed-up, running time, and numerical effort, allowing a comparison based on a few meaningful numeric parameters. This represents a set of conclusions beyond the usual textual lessons found in past works on PGAs. It can be used as an estimation tool for the future performance of the algorithms and a way of finding out their limitations.
• Abstract（参考訳）: 本研究では,マルチコアプロセッサのクラスタ上で動作した場合のマルチポピュレーション並列遺伝的アルゴリズム(pgas)の挙動を評価・解析する新しい手法を提案する。 特に,観測された性能曲線を表す数学的モデルを提案し,数値的および計算的挙動を深く研究した。 本研究では,視覚検査の対象となる個別の独立した結果ではなく,新たなPGA性能の数学的記述について考察し,使用したコア数(スケーリング性),マイグレーションポリシー(マイグレーションギャップ,本論文),解決された問題の特徴(エンコーディングと問題サイズの種類)についてより深く理解する。 実数とそれに適合する数値モデルに基づく結論は、それらのスピードアップ、実行時間、数値的労力を理解する新しい方法を示し、いくつかの意味のある数値パラメータに基づく比較を可能にする。 これは、PGAの過去の作品に見られる通常のテキストレッスン以上の結論の集合を表している。 アルゴリズムの将来のパフォーマンスや、その限界を見つける方法として、推定ツールとして使用できる。

関連論文リスト

• Polynomial Chaos Expanded Gaussian Process [2.287415292857564]
  複雑で未知のプロセスでは、大域的モデルは最初実験空間全体にわたって生成される。 本研究では,グローバルな実験空間とローカルな実験空間の両方を効果的に表現するモデルの必要性に対処する。
  論文  参考訳（メタデータ） (2024-05-02T07:11:05Z)
• Sparse Variational Student-t Processes [8.46450148172407]
  学生Tプロセスは、重い尾の分布とデータセットをアウトリーチでモデル化するために使用される。 本研究では,学生プロセスが現実のデータセットに対してより柔軟になるためのスパース表現フレームワークを提案する。 UCIとKaggleの様々な合成および実世界のデータセットに対する2つの提案手法の評価を行った。
  論文  参考訳（メタデータ） (2023-12-09T12:55:20Z)
• The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
  本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。 私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。 この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
  論文  参考訳（メタデータ） (2023-09-20T10:31:17Z)
• Posterior Contraction Rates for Mat\'ern Gaussian Processes on Riemannian Manifolds [51.68005047958965]
  我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。 我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
  論文  参考訳（メタデータ） (2023-09-19T20:30:58Z)
• Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
  モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。 この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
  論文  参考訳（メタデータ） (2023-07-06T15:19:53Z)
• A Computational Model for Logical Analysis of Data [0.0]
  LADは古典的な統計学習技術に代わる興味深いルールベースの学習である。 得られた情報に基づいて,観測データの集合を表現するためのモデルをいくつか提案する。 解析的コンビニティクスにより、所望の確率を関数係数の比として表現することができる。
  論文  参考訳（メタデータ） (2022-07-12T16:47:59Z)
• Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
  グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。 UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
  論文  参考訳（メタデータ） (2022-06-21T01:46:38Z)
• Fast and Provably Convergent Algorithms for Gromov-Wasserstein in Graph Learning [37.89640056739607]
  2つのアルゴリズム、Bregman Alternating Projected Gradient (BAPG) とハイブリッドBregman Proximal Gradient (hBPG) は(ほぼ)収束することが証明されている。 グラフアライメント,グラフ分割,形状マッチングなど,タスクのホスト上での手法の有効性を検証するための総合的な実験を行った。
  論文  参考訳（メタデータ） (2022-05-17T06:26:54Z)
• Quantum Algorithms for Data Representation and Analysis [68.754953879193]
  機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。 これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。 その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
  論文  参考訳（メタデータ） (2021-04-19T00:41:43Z)
• Learning outside the Black-Box: The pursuit of interpretable models [78.32475359554395]
  本稿では,任意の連続ブラックボックス関数の連続的大域的解釈を生成するアルゴリズムを提案する。 我々の解釈は、その芸術の以前の状態から飛躍的な進歩を表している。
  論文  参考訳（メタデータ） (2020-11-17T12:39:44Z)
• MAGMA: Inference and Prediction with Multi-Task Gaussian Processes [4.368185344922342]
  タスク間で情報を共有するための共通平均プロセスを用いて,新しいマルチタスクガウスプロセス(GP)フレームワークを提案する。 私たちの全体的なアルゴリズムは textscMagma と呼ばれています(MeAn を用いた Multi tAsk Gaussian プロセスに対応しています)。
  論文  参考訳（メタデータ） (2020-07-21T11:43:54Z)

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。