Fugu-MT 論文翻訳(概要): Advanced Manufacturing Configuration by Sample-efficient Batch Bayesian Optimization

論文の概要: Advanced Manufacturing Configuration by Sample-efficient Batch Bayesian Optimization

arxiv url: http://arxiv.org/abs/2205.11827v1
Date: Tue, 24 May 2022 06:45:06 GMT
ステータス: 処理完了
システム内更新日: 2022-05-25 13:55:03.357207
Title: Advanced Manufacturing Configuration by Sample-efficient Batch Bayesian Optimization
Title（参考訳）: サンプル効率バッチベイズ最適化による高度製造構成
Authors: Xavier Guidetti, Alisa Rupenyan, Lutz Fassl, Majid Nabavi, John Lygeros
Abstract要約: フレームワークは、調整された取得機能、並列取得手順、およびプロセス情報の統合を統一する。大気プラズマ溶射における最適化手法をシミュレーションおよび実験に応用する。
参考スコア（独自算出の注目度）: 5.766036473197784
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a framework for the configuration and operation of expensive-to-evaluate advanced manufacturing methods, based on Bayesian optimization. The framework unifies a tailored acquisition function, a parallel acquisition procedure, and the integration of process information providing context to the optimization procedure. The novel acquisition function is demonstrated and analyzed on benchmark illustrative problems. We apply the optimization approach to atmospheric plasma spraying in simulation and experiments. Our results demonstrate that the proposed framework can efficiently find input parameters that produce the desired outcome and minimize the process cost.
Abstract（参考訳）: ベイズ最適化に基づく高コスト・高コスト製造手法の構成と運用のための枠組みを提案する。フレームワークは、調整された取得機能、並列取得手順、最適化手順にコンテキストを提供するプロセス情報の統合を統一する。この新規な獲得関数を, ベンチマーク図式問題に基づいて実証, 解析した。大気プラズマ溶射における最適化手法をシミュレーションおよび実験に応用する。この結果から,提案フレームワークは,所望の結果をもたらす入力パラメータを効率的に発見し,プロセスコストを最小化できることを示す。

関連論文リスト

Implicit Diffusion: Efficient Optimization through Stochastic Sampling [46.049117719591635]
パラメータ化拡散により暗黙的に定義された分布を最適化するアルゴリズムを提案する。本稿では,これらのプロセスの1次最適化のための一般的なフレームワークについて紹介する。エネルギーベースモデルのトレーニングや拡散の微調整に応用する。
論文参考訳（メタデータ） (2024-02-08T08:00:11Z)
Optimal Budgeted Rejection Sampling for Generative Models [54.050498411883495]
判別器を用いた生成モデルの性能向上のために, 還元サンプリング法が提案されている。提案手法は,まず,最適に最適である最適予算削減サンプリング方式を提案する。第2に,モデル全体の性能を高めるために,サンプリング方式をトレーニング手順に組み込んだエンドツーエンド手法を提案する。
論文参考訳（メタデータ） (2023-11-01T11:52:41Z)
Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文参考訳（メタデータ） (2023-01-28T01:50:42Z)
SnAKe: Bayesian Optimization with Pathwise Exploration [9.807656882149319]
本稿では,イテレーション間の大きな入力変更を行う場合,関数評価のコストが大幅に増大する,という新しい設定について考察する。本稿では,この問題を考察し,適応接続サンプルを用いた逐次ベイズ最適化(SnAKe)を導入する。将来のクエリを考慮し、入力コストを最小限に抑える最適化パスをプリエンプティブに構築することで、ソリューションを提供する。
論文参考訳（メタデータ） (2022-01-31T19:42:56Z)
Multi-objective simulation optimization of the adhesive bonding process of materials [50.591267188664666]
このような接着プロセスの最適プロセスパラメータを見つけることは困難である。本研究では,ガウス過程回帰とロジスティック回帰を用いてベイズ最適化を行った。
論文参考訳（メタデータ） (2021-12-09T09:58:58Z)
Are we Forgetting about Compositional Optimisers in Bayesian Optimisation? [66.39551991177542]
本稿では,グローバル最適化のためのサンプル手法を提案する。この中、重要なパフォーマンス決定の自明さは、取得機能を最大化することです。 3958実験における機能最適化手法の実証的利点を強調する。
論文参考訳（メタデータ） (2020-12-15T12:18:38Z)
Real-Time Optimization Meets Bayesian Optimization and Derivative-Free Optimization: A Tale of Modifier Adaptation [0.0]
本稿では,不確実なプロセスのリアルタイム最適化において,プラントモデルミスマッチを克服するための修飾子適応方式について検討する。提案したスキームは物理モデルを組み込んでおり、探査中のリスクを最小限に抑えるために信頼領域のアイデアに依存している。取得関数の使用、プロセスノイズレベルを知る、または名目上のプロセスモデルを指定する利点を図示する。
論文参考訳（メタデータ） (2020-09-18T12:57:17Z)
Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文参考訳（メタデータ） (2020-08-10T09:42:59Z)
BOSH: Bayesian Optimization by Sampling Hierarchically [10.10241176664951]
本稿では,階層的なガウス過程と情報理論の枠組みを組み合わせたBOルーチンを提案する。 BOSHは, ベンチマーク, シミュレーション最適化, 強化学習, ハイパーパラメータチューニングタスクにおいて, 標準BOよりも効率的で高精度な最適化を実現する。
論文参考訳（メタデータ） (2020-07-02T07:35:49Z)
Upper Trust Bound Feasibility Criterion for Mixed Constrained Bayesian Optimization with Application to Aircraft Design [41.74498230885008]
我々は、より正確に混合された制約問題を解決するために、いわゆる超効率的なグローバル最適化アルゴリズムを適用する。本研究は, 数値実験におけるアプローチの可能性を示すものである。
論文参考訳（メタデータ） (2020-05-11T12:59:09Z)

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。