論文の概要: Sampling-based techniques for designing school boundaries

• arxiv url: http://arxiv.org/abs/2206.03703v1
• Date: Wed, 8 Jun 2022 06:45:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-10 00:43:28.319062
• Title: Sampling-based techniques for designing school boundaries
• Title（参考訳）: 学校境界設計のためのサンプリング技術
• Authors: Subhodip Biswas, Fanglan Chen, Zhiqian Chen, Chang-Tien Lu and Naren Ramakrishnan
• Abstract要約: そこで本研究では,フリップ提案に基づく学校境界設計のためのサンプリング手法を提案する。 これらの手法は局所探索に基づく再制限アルゴリズムの比較のベースラインとして利用することができる。 我々は、学校再編の問題に関して、これらの2つの側面を実証的に触れる。
• 参考スコア（独自算出の注目度）: 26.73720392872553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, an increasing number of researchers, especially in the realm of political redistricting, have proposed sampling-based techniques to generate a subset of plans from the vast space of districting plans. These techniques have been increasingly adopted by U.S. courts of law and independent commissions as a tool for identifying partisan gerrymanders. Motivated by these recent developments, we develop a set of similar sampling techniques for designing school boundaries based on the flip proposal. Note that the flip proposal here refers to the change in the districting plan by a single assignment. These sampling-based techniques serve a dual purpose. They can be used as a baseline for comparing redistricting algorithms based on local search. Additionally, these techniques can help to infer the problem characteristics that may be further used for developing efficient redistricting methods. We empirically touch on both these aspects in regards to the problem of school redistricting.
• Abstract（参考訳）: 近年、特に政治再編成の分野では、多くの研究者が、地区計画の広大な空間から計画のサブセットを生成するためのサンプリングベースの手法を提案している。 これらの技術は、パルチザンジェリーマンダーを識別するための道具として、アメリカ合衆国法と独立委員会によってますます採用されている。 近年の進展に触発されて,フリップ提案に基づく学校境界設計のための類似したサンプリング手法を開発した。 ここでのフリップ提案は、単一割り当てによる地区計画の変更を指すことに注意してください。 これらのサンプリングベースの技術は二重目的を果たす。 これらは、ローカル検索に基づく再帰アルゴリズムの比較のベースラインとして使用できる。 さらに、これらのテクニックは、効率的な再帰メソッドの開発にさらに使われる可能性のある問題特性を推測するのに役立ちます。 我々は,学校再編成の問題に関して,これら2つの側面に経験的に触れる。

関連論文リスト

• Multiscale Parallel Tempering for Fast Sampling on Redistricting Plans [1.1233768932957773]
  説得力のある方法は、計画と中立に描画された再限定計画のアンサンブルを比較することである。 アンサンブルと所定の計画との党派差を監査するためには、非党派基準が一致していることを保証する必要がある。 本研究では,各スケールで局所移動を行うマルチスケール並列テンパリング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-30T21:33:05Z)
• Finding Pareto Efficient Redistricting Plans with Short Bursts [0.0]
  この研究ノートは、最近提案された多重基準ケースを扱うための単一基準最適化手法を拡張している。 本研究では,本手法の実証的な性能を現実的な環境で検証し,期待通りに振る舞うことができ,アルゴリズム的パラメータにはあまり敏感でないことを示す。
  論文  参考訳（メタデータ） (2023-04-02T02:17:37Z)
• Graph-Embedded Subspace Support Vector Data Description [98.78559179013295]
  一クラス分類のための新しいサブスペース学習フレームワークを提案する。 提案されたフレームワークはグラフ埋め込みという形で問題を提示する。 ベースラインに対する改善されたパフォーマンスと、最近提案された1クラス分類のためのサブスペース学習方法を示す。
  論文  参考訳（メタデータ） (2021-04-29T14:30:48Z)
• Selection-Expansion: A Unifying Framework for Motion-Planning and Diversity Search Algorithms [69.87173070473717]
  本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。 mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
  論文  参考訳（メタデータ） (2021-04-10T13:52:27Z)
• Partition-Guided GANs [63.980473635585234]
  私たちは、スペースを小さな領域に分割し、それぞれがよりシンプルな分布を持ち、各パーティションごとに異なるジェネレータを訓練するパーティションーを設計します。 これはラベルを必要とせずに教師なしの方法で実行される。 各種標準ベンチマーク実験の結果,提案手法が近年の手法を上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-04-02T00:06:53Z)
• Colorado in Context: Congressional Redistricting and Competing Fairness Criteria in Colorado [0.0]
  我々は、合理的な再分権計画の大きなランダムサンプルを生成し、2018年の州全体の選挙でのリターンを用いて、各地区の党派バランスを決定する。 本研究では, 党派的な成果, 分割される郡数, 計画における競争地区数との関係について検討する。
  論文  参考訳（メタデータ） (2020-11-11T20:05:50Z)
• Sequential Monte Carlo for Sampling Balanced and Compact Redistricting Plans [0.0]
  本稿では,現実的な目標分布に収束する再限定計画のサンプルを生成する,SMC(Sequential Monte Carlo)アルゴリズムを提案する。 提案アルゴリズムの精度を,すべての再分割計画を列挙可能な小さなマップを用いて検証する。 次に、SMCアルゴリズムを用いて、ペンシルベニア州の最近の有名な再分権事件において、関係当事者が提出したいくつかの地図のパルチザン的含意を評価する。
  論文  参考訳（メタデータ） (2020-08-13T23:26:34Z)
• The Essential Role of Empirical Validation in Legislative Redistricting Simulation [0.0]
  提案手法は,計画の再分割を効率的に行うことのできる計算手法である。 このアルゴリズムは,数百の地理的単位を持つ状態に拡張可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-17T20:51:43Z)
• Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
  我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。 この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
  論文  参考訳（メタデータ） (2020-06-13T16:10:03Z)
• Novel Policy Seeking with Constrained Optimization [131.67409598529287]
  本稿では,強化学習課題における新しい政策作成の問題を再考する。 まず、政策間の差異を評価するための新しい指標を導入し、2つの実用的な政策生成手法を設計する。 The Constrained Task Novel Bisector (CTNB) and the internal Policy Differentiation (IPD) is derived from the fiable direction method and the interior point method known in the constrained optimization literature。
  論文  参考訳（メタデータ） (2020-05-21T14:39:14Z)
• There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
  正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。 このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。 本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:58:08Z)

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。