論文の概要: Extensible Logging and Empirical Attainment Function for IOHexperimenter

• arxiv url: http://arxiv.org/abs/2109.13773v2
• Date: Wed, 29 Sep 2021 12:45:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 07:39:31.779172
• Title: Extensible Logging and Empirical Attainment Function for IOHexperimenter
• Title（参考訳）: IOH実験装置における拡張性ロギングと経験的達成機能
• Authors: Johann Dreo and Manuel L\'opez-Ib\'a\~nez
• Abstract要約: IOHexperimenterは、大量の合成問題、ロギングシステム、高速な実装を提供する。 我々は,アルゴリズムのパフォーマンス指標をベンチマークで計算することを目的とした,新しいロガーを実装した。 経験的達成関数とその離散的特徴である経験的達成ヒストグラムに関する共通の統計を提供する。
• 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: In order to allow for large-scale, landscape-aware, per-instance algorithm selection, a benchmarking platform software is key. IOHexperimenter provides a large set of synthetic problems, a logging system, and a fast implementation. In this work, we refactor IOHexperimenter's logging system, in order to make it more extensible and modular. Using this new system, we implement a new logger, which aims at computing performance metrics of an algorithm across a benchmark. The logger computes the most generic view on an anytime stochastic heuristic performances, in the form of the Empirical Attainment Function (EAF). We also provide some common statistics on the EAF and its discrete counterpart, the Empirical Attainment Histogram. Our work has eventually been merged in the IOHexperimenter codebase.
• Abstract（参考訳）: 大規模でランドスケープ対応、インスタンスごとのアルゴリズム選択を可能にするため、ベンチマークプラットフォームソフトウェアが重要となる。 IOHexperimenterは、大量の合成問題、ロギングシステム、高速な実装を提供する。 この作業では、IOHexperimenterのロギングシステムをリファクタリングし、拡張性とモジュール化をより強化します。 このシステムを用いて,ベンチマークによるアルゴリズムのパフォーマンス指標の計算を目的とした,新しいロガーを実装した。 ログは、任意の確率的ヒューリスティックなパフォーマンスに関する最も一般的なビューを、経験的達成関数(EAF)の形式で計算する。 また,AEFとその個々の組織である経験的達成ヒストグラムに関する共通統計も提示する。 私たちの仕事は最終的にIOHexperimenterコードベースに統合されました。

関連論文リスト

• Is Function Similarity Over-Engineered? Building a Benchmark [37.33020176141435]
  我々は、現実世界のユースケースをよりよく反映した高品質なデータセットとテストからなるバイナリ関数類似性検出のための新しいベンチマークを構築します。 我々のベンチマークでは、関数の生のバイトだけを見て、分解やその他の前処理を必要としない新しい単純なベースラインが、複数の設定で最先端のパフォーマンスを達成できることが判明した。
  論文  参考訳（メタデータ） (2024-10-30T03:59:46Z)
• Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
  特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。 特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。 早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
  論文  参考訳（メタデータ） (2023-06-20T03:00:22Z)
• A Unified Active Learning Framework for Annotating Graph Data with Application to Software Source Code Performance Prediction [4.572330678291241]
  ソフトウェアの性能予測を専門とする一貫したアクティブラーニングフレームワークを開発した。 能動的・受動的学習に異なるレベルの情報を用いることが与える影響について検討する。 我々のアプローチは、異なるソフトウェアパフォーマンス予測のためのAIモデルへの投資を改善することを目的としています。
  論文  参考訳（メタデータ） (2023-04-06T14:00:48Z)
• PDEBENCH: An Extensive Benchmark for Scientific Machine Learning [20.036987098901644]
  部分微分方程式(PDE)に基づく時間依存シミュレーションタスクのベンチマークスイートであるPDEBenchを紹介する。 PDEBenchは、コードとデータの両方で構成され、古典的な数値シミュレーションと機械学習ベースラインの両方に対して、新しい機械学習モデルのパフォーマンスをベンチマークする。
  論文  参考訳（メタデータ） (2022-10-13T17:03:36Z)
• 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)
• IOHexperimenter: Benchmarking Platform for Iterative Optimization Heuristics [3.6980928405935813]
  IOHexperimenterは、反復最適化をベンチマークするための、使いやすく、高度にカスタマイズ可能なツールボックスを提供することを目標としている。 IOHexperimenterはスタンドアロンのツールとして、あるいはIOHanalyzerのようなIOHknownrの他のコンポーネントを使用するベンチマークパイプラインの一部として使用することができる。
  論文  参考訳（メタデータ） (2021-11-07T13:11:37Z)
• Self-Attentive Classification-Based Anomaly Detection in Unstructured Logs [59.04636530383049]
  ログ表現を学習するための分類法であるLogsyを提案する。 従来の方法と比較して,F1スコアの平均0.25の改善を示す。
  論文  参考訳（メタデータ） (2020-08-21T07:26:55Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)
• IOHanalyzer: Detailed Performance Analyses for Iterative Optimization Heuristics [3.967483941966979]
  IOHanalyzerは、IOHのパフォーマンスデータを分析、比較、視覚化するための新しいユーザフレンドリーなツールである。 IOHanalyzerは、固定目標実行時間とベンチマークアルゴリズムの固定予算性能に関する詳細な統計を提供する。 IOHanalyzerは、主要なベンチマークプラットフォームから直接パフォーマンスデータを処理できる。
  論文  参考訳（メタデータ） (2020-07-08T08:20:19Z)
• Einsum Networks: Fast and Scalable Learning of Tractable Probabilistic Circuits [99.59941892183454]
  我々は,PC用の新しい実装設計であるEinsum Networks (EiNets)を提案する。 中心となるのは、E EiNets は単一のモノリシックな einsum-operation に多数の算術演算を組み合わせている。 本稿では,PCにおける予測最大化(EM)の実装を,自動微分を利用した簡易化が可能であることを示す。
  論文  参考訳（メタデータ） (2020-04-13T23:09:15Z)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。