論文の概要: SonOpt: Sonifying Bi-objective Population-Based Optimization Algorithms
- arxiv url: http://arxiv.org/abs/2202.12187v1
- Date: Thu, 24 Feb 2022 16:39:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-24 01:34:07.312809
- Title: SonOpt: Sonifying Bi-objective Population-Based Optimization Algorithms
- Title（参考訳）: sonopt: 2目的人口に基づく最適化アルゴリズム
- Authors: Tasos Asonitis, Richard Allmendinger, Matt Benatan and Ricardo Climent
- Abstract要約: SonOptは、探索の収束/脅威化、近似集合の形状の進化、近似集合における繰り返し点の位置、および人口多様性に関する洞察を提供する。
SonOptは、双方向の最適化問題のために設計されており、非支配的なソリューションの客観的関数値のみに依存しており、ユーザ(リスナー)を念頭に設計されている。
本稿では、SonOptのアーキテクチャをモチベーションし、その上で、SonOptを2つの一般的な多目的最適化アルゴリズムで検証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose SonOpt, the first (open source) data sonification application for
monitoring the progress of bi-objective population-based optimization
algorithms during search, to facilitate algorithm understanding. SonOpt
provides insights into convergence/stagnation of search, the evolution of the
approximation set shape, location of recurring points in the approximation set,
and population diversity. The benefits of data sonification have been shown for
various non-optimization related monitoring tasks. However, very few attempts
have been made in the context of optimization and their focus has been
exclusively on single-objective problems. In comparison, SonOpt is designed for
bi-objective optimization problems, relies on objective function values of
non-dominated solutions only, and is designed with the user (listener) in mind;
avoiding convolution of multiple sounds and prioritising ease of familiarizing
with the system. This is achieved using two sonification paths relying on the
concepts of wavetable and additive synthesis. This paper motivates and
describes the architecture of SonOpt, and then validates SonOpt for two popular
multi-objective optimization algorithms (NSGA-II and MOEA/D). Experience SonOpt
yourself via https://github.com/tasos-a/SonOpt-1.0 .
- Abstract（参考訳）: 検索中の二目的人口に基づく最適化アルゴリズムの進捗をモニタリングし,アルゴリズム理解を容易にする最初の(オープンソース)データソナライズアプリケーションであるsonoptを提案する。
sonoptは、探索の収束/タグ化、近似集合形状の進化、近似集合における繰り返し点の位置、人口多様性に関する洞察を提供する。
データ音化の利点は、様々な非最適化関連監視タスクで示されている。
しかしながら、最適化の文脈での試みはごくわずかであり、その焦点は単一目的の問題にのみ向けられている。
比較として、SonOptは双目的最適化問題のために設計されており、非支配的なソリューションの目的関数値のみに依存しており、ユーザ(リスナー)を念頭に設計されており、複数の音の畳み込みを回避し、システムに親しみやすくする。
これはウェーブテーブルと付加合成の概念に依存する2つの音化経路を用いて達成される。
本稿では,sonopt のアーキテクチャを動機付け,記述し,2つの多目的最適化アルゴリズム (nsga-ii と moea/d) について検証する。
体験 SonOptはhttps://github.com/tasos-a/SonOpt-1.0で自己紹介します。
関連論文リスト
- Inferring Preferences from Demonstrations in Multi-objective Reinforcement Learning [2.9845592719739127]
本研究では,動的重みに基づく選好推定アルゴリズムを提案する。
デモから多目的意思決定問題に作用するエージェントの選好を推測することができる。
論文 参考訳（メタデータ） (2024-09-30T12:49:10Z) - Discovering Preference Optimization Algorithms with and for Large Language Models [50.843710797024805]
オフライン優先最適化は、LLM(Large Language Model)出力の品質を向上・制御するための重要な手法である。
我々は、人間の介入なしに、新しい最先端の選好最適化アルゴリズムを自動で発見する客観的発見を行う。
実験は、ロジスティックと指数的損失を適応的にブレンドする新しいアルゴリズムであるDiscoPOPの最先端性能を示す。
論文 参考訳（メタデータ） (2024-06-12T16:58:41Z) - PSDiff: Diffusion Model for Person Search with Iterative and
Collaborative Refinement [59.6260680005195]
本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。
PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。
新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
論文 参考訳（メタデータ） (2023-09-20T08:16:39Z) - Sample Complexity for Quadratic Bandits: Hessian Dependent Bounds and
Optimal Algorithms [64.10576998630981]
最適なヘッセン依存型サンプルの複雑さを, 初めて厳密に評価した。
ヘシアン非依存のアルゴリズムは、すべてのヘシアンインスタンスに対して最適なサンプル複雑さを普遍的に達成する。
本アルゴリズムにより得られたサンプルの最適複雑さは,重み付き雑音分布においても有効である。
論文 参考訳（メタデータ） (2023-06-21T17:03:22Z) - Representation Learning with Multi-Step Inverse Kinematics: An Efficient
and Optimal Approach to Rich-Observation RL [106.82295532402335]
既存の強化学習アルゴリズムは、計算的難易度、強い統計的仮定、最適なサンプルの複雑さに悩まされている。
所望の精度レベルに対して、レート最適サンプル複雑性を実現するための、最初の計算効率の良いアルゴリズムを提供する。
我々のアルゴリズムMusIKは、多段階の逆運動学に基づく表現学習と体系的な探索を組み合わせる。
論文 参考訳（メタデータ） (2023-04-12T14:51:47Z) - Joint Entropy Search for Multi-objective Bayesian Optimization [0.0]
本稿では,統合エントロピー探索(Joint Entropy Search)と呼ばれるBOのための情報理論獲得関数を提案する。
本稿では, ハイパーボリュームとその重み付き変種の観点から, 合成および実世界の諸問題に対するこの新しいアプローチの有効性を示す。
論文 参考訳（メタデータ） (2022-10-06T13:19:08Z) - Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。
基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。
我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文 参考訳（メタデータ） (2022-09-27T17:51:31Z) - Using growth transform dynamical systems for spatio-temporal data
sonification [9.721342507747158]
有意義な音声シグネチャで情報を符号化するソニフィケーションは、人間のループ内決定のための従来の可視化手法の強化や置き換えにいくつかの利点がある。
本稿では,複雑な成長変換力学系モデルを用いて高次元データを音化するための新しい枠組みを提案する。
本アルゴリズムは,学習タスクや予測タスクの根底にあるデータと最適化パラメータを入力として,ユーザが定義した心理パラメータと組み合わせる。
論文 参考訳（メタデータ） (2021-08-21T16:25:59Z) - AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。
前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。
本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-08-17T13:22:01Z) - A New One-Point Residual-Feedback Oracle For Black-Box Learning and
Control [28.679167097106813]
本稿では,各反復で関数値を1回クエリし,2つの連続点間の残差を用いて勾配を推定する新しい一点フィードバック方式を提案する。
提案アルゴリズムは,制御不能なデータサンプルを持つ2点スキームと同じ収束率が得られることを示す。
論文 参考訳（メタデータ） (2020-06-18T19:31:13Z) - BOP-Elites, a Bayesian Optimisation algorithm for Quality-Diversity
search [0.0]
本稿では,エリートアルゴリズム(BOP-Elites)のベイズ最適化を提案する。
機能領域のユーザ定義領域を‘ニッチ’として考えることで、ニッチ毎に最適なソリューションを見つけることが私たちのタスクになります。
得られたアルゴリズムは、特徴空間におけるニッチに属する探索空間の部分を特定し、ニッチごとに最適な解を見つけるのに非常に効果的である。
論文 参考訳（メタデータ） (2020-05-08T23:49:13Z)
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。