Fugu-MT 論文翻訳(概要): HyperTensioN and Total-order Forward Decomposition optimizations

論文の概要: HyperTensioN and Total-order Forward Decomposition optimizations

arxiv url: http://arxiv.org/abs/2207.00345v1
Date: Fri, 1 Jul 2022 11:23:52 GMT
ステータス: 処理完了
システム内更新日: 2022-07-04 14:10:01.383051
Title: HyperTensioN and Total-order Forward Decomposition optimizations
Title（参考訳）: HyperTensioNと全階前方分解最適化
Authors: Maur\'icio Cec\'ilio Magnaguagno and Felipe Meneguzzi and Lavindra de Silva
Abstract要約: 階層型タスクネットワーク(HTN)プランナーは、余分なドメイン知識を持つ分解プロセスを使用して、計画タスクへの探索をガイドするプランを生成する。ドメインの専門家はHTN記述を開発し、同じ前提条件や、ほとんど使われないし分解できない方法を繰り返し記述することができる。 3段階のコンパイラ設計を活用することで、より多くの言語記述や前処理の最適化を容易にサポートできます。
参考スコア（独自算出の注目度）: 26.665468404059354
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Hierarchical Task Networks (HTN) planners generate plans using a decomposition process with extra domain knowledge to guide search towards a planning task. While domain experts develop HTN descriptions, they may repeatedly describe the same preconditions, or methods that are rarely used or possible to be decomposed. By leveraging a three-stage compiler design we can easily support more language descriptions and preprocessing optimizations that when chained can greatly improve runtime efficiency in such domains. In this paper we evaluate such optimizations with the HyperTensioN HTN planner, used in the HTN IPC 2020.
Abstract（参考訳）: 階層型タスクネットワーク(htn)プランナーは、追加のドメイン知識を持つ分解プロセスを使用して計画作成し、探索を計画タスクに導く。ドメインの専門家がHTN記述を開発する一方で、同じ前提条件や、ほとんど使われない、分解可能なメソッドを繰り返し記述することもある。 3段階のコンパイラ設計を活用することで、より多くの言語記述や前処理の最適化を容易にサポートできます。本稿では,HTN IPC 2020で使用されるHyperTensioN HTNプランナを用いて,そのような最適化を評価する。

関連論文リスト

Messenger RNA Design via Expected Partition Function and Continuous Optimization [4.53482492156538]
古典的分割関数の一般化に基づく連続最適化のための一般的なフレームワークを開発する。ワクチンや治療に広く応用されたmRNA設計の課題について考察する。
論文参考訳（メタデータ） (2023-12-29T18:37:38Z)
All-to-all reconfigurability with sparse and higher-order Ising machines [0.0]
オール・ツー・オールのネットワーク機能をエミュレートする多重アーキテクチャを導入する。適応並列テンパリングアルゴリズムの実行は、競合するアルゴリズムと事前ファクターの利点を示す。 pビットIMのスケールされた磁気バージョンは、汎用最適化のための最先端技術よりも桁違いに改善される可能性がある。
論文参考訳（メタデータ） (2023-11-21T20:27:02Z)
Dynamic Voxel Grid Optimization for High-Fidelity RGB-D Supervised Surface Reconstruction [130.84162691963536]
高忠実度3次元表面再構成のための新しい動的グリッド最適化手法を提案する。グリッドを動的に修正し、より複雑な領域により微細なボクセルを割り当てることで、プロセスを最適化する。提案手法は, 合成データと実世界のデータの両方を詳細に記述した高品質な3D再構成を実現する。
論文参考訳（メタデータ） (2023-04-12T22:39:57Z)
Advanced Scaling Methods for VNF deployment with Reinforcement Learning [0.0]
ネットワーク機能仮想化(NFV)とソフトウェア定義ネットワーク(SDN)は新たなネットワークパラダイムとなっている。 VNFデプロイメントを最適化するための強化学習(RL)ベースのアプローチが提案されている。本稿では,より一般的なネットワーク設定に適応可能な拡張モデルを提案する。
論文参考訳（メタデータ） (2023-01-19T21:31:23Z)
An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文参考訳（メタデータ） (2022-10-27T01:58:10Z)
An Efficient HTN to STRIPS Encoding for Concurrent Plans [0.0]
STRIPSエンコーディングに新たなHTNを提案する。提案手法は,階層型IPCベンチマークにおける従来の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-14T18:18:22Z)
Distributed stochastic optimization with large delays [59.95552973784946]
大規模最適化問題を解決する最も広く使われている手法の1つは、分散非同期勾配勾配(DASGD)である。 DASGDは同じ遅延仮定の下で大域的最適実装モデルに収束することを示す。
論文参考訳（メタデータ） (2021-07-06T21:59:49Z)
A mechanistic-based data-driven approach to accelerate structural topology optimization through finite element convolutional neural network (FE-CNN) [5.469226380238751]
構造トポロジ最適化を高速化するメカニスティックなデータ駆動手法を提案する。我々のアプローチは、オフライントレーニングとオンライン最適化の2つの段階に分けられる。数値的な例は、この手法が計算時間で最大1桁の最適化を加速できることを示している。
論文参考訳（メタデータ） (2021-06-25T14:11:45Z)
Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文参考訳（メタデータ） (2021-06-07T11:37:03Z)
A Reinforcement Learning Environment for Polyhedral Optimizations [68.8204255655161]
マルコフ決定過程(MDP)として多面体モデルにおける法的変換空間の形状に依存しない定式化を提案する。変換を使う代わりに、定式化は可能なスケジュールの抽象空間に基づいている。我々の総合的MDP定式化は、強化学習を用いて幅広いループで最適化ポリシーを学習することを可能にする。
論文参考訳（メタデータ） (2021-04-28T12:41:52Z)
Jump Operator Planning: Goal-Conditioned Policy Ensembles and Zero-Shot Transfer [71.44215606325005]
本稿では,シーケンシャルなサブゴールタスクの超指数空間における解を高速に計算するための,Jump-Operator Dynamic Programmingという新しいフレームワークを提案する。このアプローチでは、時間的に拡張された行動として機能する、再利用可能な目標条件付き警察のアンサンブルを制御する。すると、この部分空間上の目的関数のクラスを、解がグラウンド化に不変であるものとして特定し、最適ゼロショット移動をもたらす。
論文参考訳（メタデータ） (2020-07-06T05:13:20Z)

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。