論文の概要: Generating Exact Optimal Designs via Particle Swarm Optimization: Assessing Efficacy and Efficiency via Case Study

• arxiv url: http://arxiv.org/abs/2206.06940v1
• Date: Tue, 14 Jun 2022 16:00:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 23:19:52.456928
• Title: Generating Exact Optimal Designs via Particle Swarm Optimization: Assessing Efficacy and Efficiency via Case Study
• Title（参考訳）: particle swarm optimizationによる最適設計の完全生成:ケーススタディによる有効性と効率の評価
• Authors: Stephen J. Walsh and John J. Borkowski
• Abstract要約: 本稿では,PSOの効率性と有効性の両方をベンチマークし,高品質な候補設計を実現する大規模コンピュータ研究の結果について述べる。 PSOは1回の実行でも、小さな計算コストで高い確率で高効率な設計を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study we address existing deficiencies in the literature on applications of Particle Swarm Optimization to generate optimal designs. We present the results of a large computer study in which we bench-mark both efficiency and efficacy of PSO to generate high quality candidate designs for small-exact response surface scenarios commonly encountered by industrial practitioners. A preferred version of PSO is demonstrated and recommended. Further, in contrast to popular local optimizers such as the coordinate exchange, PSO is demonstrated to, even in a single run, generate highly efficient designs with large probability at small computing cost. Therefore, it appears beneficial for more practitioners to adopt and use PSO as tool for generating candidate experimental designs.
• Abstract（参考訳）: 本研究では,粒子群最適化の最適設計への応用に関する文献の欠陥について述べる。 本稿では, PSO の効率性と有効性を両立させ, 産業従事者がよく遭遇する小型の応答面シナリオに対する高品質な候補設計を立案する大規模計算機実験の結果について述べる。 PSOの好ましいバージョンが示され、推奨される。 さらに、座標交換のような一般的なローカルオプティマイザとは対照的に、PSOは1回の実行でも小さな計算コストで高い確率で高効率な設計を生成する。 したがって、多くの実践者がPSOを応用して、候補となる実験設計を作成するツールとして使うことは有益と思われる。

関連論文リスト

• ADO-LLM: Analog Design Bayesian Optimization with In-Context Learning of Large Language Models [5.642568057913696]
  本稿では,大規模言語モデル(LLM)とベイジアン最適化を統合したアナログ設計最適化手法であるADO-LLMを提案する。 ADO-LLMは、LLMのドメイン知識を注入して実行可能な設計ポイントを迅速に生成し、高価値な設計領域を見つけるためのBOの非効率性を改善する能力を活用している。 提案手法を2種類のアナログ回路上で評価し,設計効率と性能の顕著な向上を実証した。
  論文  参考訳（メタデータ） (2024-06-26T21:42:50Z)
• Localized Zeroth-Order Prompt Optimization [54.964765668688806]
  そこで我々は,ZOPO(Localized zeroth-order prompt optimization)という新しいアルゴリズムを提案する。 ZOPOはニューラル・タンジェント・カーネルをベースとしたガウス法を標準ゼロ階次最適化に取り入れ、高速な局所最適探索を高速化する。 注目すべきは、ZOPOは最適化性能とクエリ効率の両方の観点から、既存のベースラインを上回っていることだ。
  論文  参考訳（メタデータ） (2024-03-05T14:18:15Z)
• Enhanced Bayesian Optimization via Preferential Modeling of Abstract Properties [49.351577714596544]
  本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。 優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
  論文  参考訳（メタデータ） (2024-02-27T09:23:13Z)
• Bayesian optimization as a flexible and efficient design framework for sustainable process systems [2.7059126618449527]
  本稿では,次世代プロセスシステムの設計におけるBOの最近の展開,課題,機会について概説する。 いくつかのモチベーションアプリケーションについて説明した後、これらのアプリケーションにおいて重要な問題により効率的に対処するために、BO法がどのように開発されたかについて論じる。
  論文  参考訳（メタデータ） (2024-01-29T18:12:32Z)
• Optimal Decision Making in High-Throughput Virtual Screening Pipelines [12.366455276434513]
  実験および/および計算評価を含むスクリーニングキャンペーンのほとんど(すべてではないとしても)に適用する2つの最適化フレームワークを提案する。 特に、長い非コーディングRNA(lncRNA)分類のための最適な計算キャンペーンを実例として考察する。 シミュレーションの結果,提案手法は候補候補に対する有効選択コストを大幅に削減することが示された。
  論文  参考訳（メタデータ） (2021-09-23T22:58:14Z)
• Bayesian Optimization in Materials Science: A Survey [4.037250810373225]
  材料科学におけるベイズ最適化のアプローチについて調査する。 両者の間にはほとんど重複はない。 共同研究における共通の課題と機会を強調します。
  論文  参考訳（メタデータ） (2021-07-29T18:45:10Z)
• 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)
• Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
  本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。 レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2020-08-02T02:56:30Z)
• Adaptive Learning of the Optimal Batch Size of SGD [52.50880550357175]
  本稿では,その繰り返しを通じて最適なバッチサイズを適応的に学習し,凸度と滑らかな関数を求める手法を提案する。 実験では、合成データと実データを用いて、ほぼ最適な振る舞いを示す。 我々は,本手法を分散実装に適したサンプリングを含む,文献上考慮されていないいくつかの新しいバッチ戦略に一般化する。
  論文  参考訳（メタデータ） (2020-05-03T14:28:32Z)
• Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
  実験者は、グローバルな最適な場所に関する知識を得ることができる。 グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。 効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
  論文  参考訳（メタデータ） (2020-02-26T01:57:36Z)

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。