論文の概要: MACQ: A Holistic View of Model Acquisition Techniques
- arxiv url: http://arxiv.org/abs/2206.06530v1
- Date: Tue, 14 Jun 2022 00:18:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-15 14:37:53.061965
- Title: MACQ: A Holistic View of Model Acquisition Techniques
- Title（参考訳）: MACQ: モデル獲得手法の全体像
- Authors: Ethan Callanan, Rebecca De Venezia, Victoria Armstrong, Alison
Paredes, Tathagata Chakraborti, Christian Muise
- Abstract要約: 本稿では,アクションモデル獲得空間の包括的特徴と,自動アクションモデル獲得のための統合フレームワークを提案する。
この分野における画期的なアプローチのいくつかを再実装し、すべての技術の特徴は、残る研究機会について深い洞察を与えてくれます。
- 参考スコア（独自算出の注目度）: 11.510002282660782
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For over three decades, the planning community has explored countless methods
for data-driven model acquisition. These range in sophistication (e.g., simple
set operations to full-blown reformulations), methodology (e.g., logic-based
vs. planing-based), and assumptions (e.g., fully vs. partially observable).
With no fewer than 43 publications in the space, it can be overwhelming to
understand what approach could or should be applied in a new setting. We
present a holistic characterization of the action model acquisition space and
further introduce a unifying framework for automated action model acquisition.
We have re-implemented some of the landmark approaches in the area, and our
characterization of all the techniques offers deep insight into the research
opportunities that remain; i.e., those settings where no technique is capable
of solving.
- Abstract（参考訳）: 30年以上にわたり、プランニングコミュニティは、データ駆動モデル獲得のための数え切れないほどの方法を模索してきた。
これらは、高度化(例えば、単純な集合演算から完全な改革まで)、方法論(例えば、論理ベース対計画ベース)、仮定(例えば、完全対部分的に可観測可能)などである。
43の出版物しかないため、新しい環境でどのようなアプローチが適用できるのか、あるいは適用されるべきなのかを理解することは圧倒的である。
本稿では,アクションモデル獲得空間の包括的特徴と,自動アクションモデル獲得のための統合フレームワークを提案する。
この分野における画期的なアプローチのいくつかを再実装し、すべての技術の特徴は、残る研究の機会、すなわち、技術が解決できないような状況について深い洞察を与える。
関連論文リスト
- Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。
これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
論文 参考訳（メタデータ） (2024-08-14T16:58:48Z) - Model-Free Active Exploration in Reinforcement Learning [53.786439742572995]
強化学習における探索問題について検討し,新しいモデルフリーソリューションを提案する。
我々の戦略は、最先端の探査アプローチよりも高速に効率的な政策を特定できる。
論文 参考訳（メタデータ） (2024-06-30T19:00:49Z) - Constrained Reinforcement Learning with Average Reward Objective: Model-Based and Model-Free Algorithms [34.593772931446125]
モノグラフは、平均報酬決定過程(MDPs)の文脈内で制約された様々なモデルベースおよびモデルフリーアプローチの探索に焦点を当てている
このアルゴリズムは制約付きMDPの解法として検討されている。
論文 参考訳（メタデータ） (2024-06-17T12:46:02Z) - Masked Modeling for Self-supervised Representation Learning on Vision
and Beyond [69.64364187449773]
仮面モデリングは、トレーニング中に比例的にマスキングされる元のデータの一部を予測する、独特なアプローチとして現れてきた。
マスクモデリングにおけるテクニックの詳細については,多様なマスキング戦略,ターゲット回復,ネットワークアーキテクチャなどについて詳述する。
我々は、現在の手法の限界について議論し、マスクモデリング研究を進めるためのいくつかの道のりを指摘した。
論文 参考訳（メタデータ） (2023-12-31T12:03:21Z) - Extending Process Discovery with Model Complexity Optimization and
Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。
所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。
医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文 参考訳（メタデータ） (2022-06-10T16:20:59Z) - Model-free Representation Learning and Exploration in Low-rank MDPs [64.72023662543363]
低位mdpに対して,最初のモデルフリー表現学習アルゴリズムを提案する。
主要なアルゴリズムの貢献は新しいミニマックス表現の学習の目的です。
結果は複雑な環境にスケールする一般的な関数近似を収容できます。
論文 参考訳（メタデータ） (2021-02-14T00:06:54Z) - Localized active learning of Gaussian process state space models [63.97366815968177]
多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。
本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。
モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
論文 参考訳（メタデータ） (2020-05-04T05:35:02Z)
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。