Fugu-MT 論文翻訳(概要): Flexible Differentiable Optimization via Model Transformations

論文の概要: Flexible Differentiable Optimization via Model Transformations

arxiv url: http://arxiv.org/abs/2206.06135v1
Date: Fri, 10 Jun 2022 09:59:13 GMT
ステータス: 処理完了
システム内更新日: 2022-06-19 16:50:31.369195
Title: Flexible Differentiable Optimization via Model Transformations
Title（参考訳）: モデル変換によるフレキシブル微分可能最適化
Authors: Akshay Sharma and Mathieu Besan\c{c}on and Joaquim Dias Garcia and Beno\^it Legat
Abstract要約: 目的および/または制約に存在する任意のパラメータに関して凸最適化問題の解を微分するJuliaライブラリであるDiffOpt.jlを紹介する。このライブラリはMathOptInterface上に構築されており、解決者の豊富なエコシステムを活用し、JuMPのようなモデリング言語とうまく連携する。
参考スコア（独自算出の注目度）: 1.081463830315253
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce DiffOpt.jl, a Julia library to differentiate through the solution of convex optimization problems with respect to arbitrary parameters present in the objective and/or constraints. The library builds upon MathOptInterface, thus leveraging the rich ecosystem of solvers and composing well with modelling languages like JuMP. DiffOpt offers both forward and reverse differentiation modes, enabling multiple use cases from hyperparameter optimization to backpropagation and sensitivity analysis, bridging constrained optimization with end-to-end differentiable programming.
Abstract（参考訳）: 目的および/または制約に存在する任意のパラメータに関して凸最適化問題の解を微分するJuliaライブラリであるDiffOpt.jlを紹介する。このライブラリはMathOptInterface上に構築されており、解決者の豊富なエコシステムを活用し、JuMPのようなモデリング言語とうまく連携する。 diffoptは前方微分モードと逆微分モードの両方を提供し、ハイパーパラメータ最適化からバックプロパゲーションや感度分析まで、エンドツーエンドの微分可能プログラミングで制約付き最適化を橋渡しすることができる。

関連論文リスト

Optimized QUBO formulation methods for quantum computing [0.4999814847776097]
実世界の金融シナリオにインスパイアされたNPハード最適化問題に対して,我々の手法を適用する方法について述べる。 2つのD波量子異方体にこの問題の事例を提出し、これらのシナリオで使用される標準手法と新しい手法の性能を比較した。
論文参考訳（メタデータ） (2024-06-11T19:59:05Z)
Variational Quantum Framework for Partial Differential Equation Constrained Optimization [0.6138671548064355]
PDE制約最適化問題に対する新しい変分量子フレームワークを提案する。提案フレームワークは,変分量子リニア(VQLS)アルゴリズムとブラックボックスを主構成ブロックとして利用する。
論文参考訳（メタデータ） (2024-05-26T18:06:43Z)
End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文参考訳（メタデータ） (2024-02-12T16:33:35Z)
Predict-Then-Optimize by Proxy: Learning Joint Models of Prediction and Optimization [59.386153202037086]
Predict-Then-フレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。このアプローチは非効率であり、最適化ステップを通じてバックプロパゲーションのための手作りの、問題固有のルールを必要とする。本稿では,予測モデルを用いて観測可能な特徴から最適解を直接学習する手法を提案する。
論文参考訳（メタデータ） (2023-11-22T01:32:06Z)
Discrete quadratic model QUBO solution landscapes [0.0]
本稿では,QUBO DQMソリューションランドスケープの構造に及ぼす符号化とペナルティ強度の選択の影響について検討する。本研究は、ワンホットおよびドメインウォールエンコーディングに特化している。
論文参考訳（メタデータ） (2023-04-30T20:19:46Z)
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)
Differentiable Spline Approximations [48.10988598845873]
微分プログラミングは機械学習のスコープを大幅に強化した。標準的な微分可能なプログラミング手法(autodiffなど)は、通常、機械学習モデルが微分可能であることを要求する。この再設計されたヤコビアンを予測モデルにおける微分可能な「層」の形で活用することで、多様なアプリケーションの性能が向上することを示す。
論文参考訳（メタデータ） (2021-10-04T16:04:46Z)
Efficient and Modular Implicit Differentiation [68.74748174316989]
最適化問題の暗黙的な微分のための統一的で効率的かつモジュール化されたアプローチを提案する。一見単純な原理は、最近提案された多くの暗黙の微分法を復元し、新しいものを簡単に作成できることを示している。
論文参考訳（メタデータ） (2021-05-31T17:45:58Z)
Extracting Optimal Solution Manifolds using Constrained Neural Optimization [6.800113407368289]
制約付き最適化解アルゴリズムは点ベース解に制限される。最適集合を近似として抽出する手法を提案する。
論文参考訳（メタデータ） (2020-09-13T15:37:44Z)
On the Encoder-Decoder Incompatibility in Variational Text Modeling and Beyond [82.18770740564642]
変分オートエンコーダ(VAE)は、潜時変数と償却変分推論を結合する。我々は,データ多様体のパラメータ化が不十分なエンコーダ・デコーダの不整合性を観察する。同一構造を持つ決定論的オートエンコーダとVAEモデルを結合した結合型VAEを提案する。
論文参考訳（メタデータ） (2020-04-20T10:34:10Z)

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。