論文の概要: A Parallel Novelty Search Metaheuristic Applied to a Wildfire Prediction
System
- arxiv url: http://arxiv.org/abs/2207.11646v1
- Date: Sun, 24 Jul 2022 03:09:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 14:05:28.288362
- Title: A Parallel Novelty Search Metaheuristic Applied to a Wildfire Prediction
System
- Title（参考訳）: 森林火災予報システムに応用した並列新奇検索メタヒューリスティック
- Authors: Jan Strappa, Paola Caymes-Scutari, Germ\'an Bianchini
- Abstract要約: 森林火災は多因性環境現象である。
シミュレーションの結果は、いくつかの変数の値の不確かさのため、一般的に高い誤差を持つ。
そこで本研究では,対象関数を新たな解の尺度で置き換えるノベルティ探索パラダイムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Wildfires are a highly prevalent multi-causal environmental phenomenon. The
impact of this phenomenon includes human losses, environmental damage and high
economic costs. To mitigate these effects, several computer simulation systems
have been developed in order to predict fire behavior based on a set of input
parameters, also called a scenario (wind speed and direction; temperature;
etc.). However, the results of a simulation usually have a high degree of error
due to the uncertainty in the values of some variables, because they are not
known, or because their measurement may be imprecise, erroneous, or impossible
to perform in real time. Previous works have proposed the combination of
multiple results in order to reduce this uncertainty. State-of-the-art methods
are based on parallel optimization strategies that use a fitness function to
guide the search among all possible scenarios. Although these methods have
shown improvements in the quality of predictions, they have some limitations
related to the algorithms used for the selection of scenarios. To overcome
these limitations, in this work we propose to apply the Novelty Search
paradigm, which replaces the objective function by a measure of the novelty of
the solutions found, which allows the search to continuously generate solutions
with behaviors that differ from one another. This approach avoids local optima
and may be able to find useful solutions that would be difficult or impossible
to find by other algorithms. As with existing methods, this proposal may also
be adapted to other propagation models (floods, avalanches or landslides).
- Abstract（参考訳）: 森林火災は多因性環境現象である。
この現象の影響には、人的損失、環境被害、高い経済コストが含まれる。
これらの効果を緩和するために、一連の入力パラメータ(風速や方向、温度など)に基づいて火災の挙動を予測するために、いくつかの計算機シミュレーションシステムが開発された。
しかしながら、シミュレーションの結果は、いくつかの変数の値の不確かさや、その測定が不正確である、誤った、あるいはリアルタイムに実行できないため、エラーの度合いが高いのが普通である。
以前の研究では、この不確実性を減らすために複数の結果の組み合わせを提案している。
State-of-the-artメソッドは、フィットネス関数を使ってあらゆるシナリオを探索する並列最適化戦略に基づいている。
これらの手法は予測の質が改善されているものの、シナリオの選択に使用されるアルゴリズムに関するいくつかの制限がある。
これらの限界を克服するため,本研究では,目的関数を解の新規性尺度で置き換えるノベルティ探索パラダイムを適用することを提案する。
このアプローチは局所最適化を回避し、他のアルゴリズムで見つけるのが困難または不可能な有用な解を見つけることができるかもしれない。
既存の方法と同様に、この提案は他の伝播モデル(フロード、雪崩、地すべり)にも適用することができる。
関連論文リスト
- Evolutionary Algorithms for Optimizing Emergency Exit Placement in Indoor Environments [0.0]
セルラーオートマトンモデルを用いて歩行者の挙動をシミュレートする。
避難がどの程度成功したか、満足できるかを決定するための計量が提案されている。
2つのメタヒューリスティックアルゴリズム、すなわち反復グリーディと進化的アルゴリズム(EA)がこの問題を解決するために提案されている。
論文 参考訳（メタデータ） (2024-05-28T16:50:42Z) - Distribution-free risk assessment of regression-based machine learning
algorithms [6.507711025292814]
我々は回帰アルゴリズムとモデル予測の周囲に定義された区間内に存在する真のラベルの確率を計算するリスク評価タスクに焦点をあてる。
そこで,本研究では,正のラベルを所定の確率で含むことが保証される予測区間を提供する共形予測手法を用いてリスク評価問題を解決する。
論文 参考訳（メタデータ） (2023-10-05T13:57:24Z) - Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment
Effect Estimation [137.3520153445413]
下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。
我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。
研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
論文 参考訳（メタデータ） (2023-07-11T02:58:10Z) - Adaptive Fake Audio Detection with Low-Rank Model Squeezing [50.7916414913962]
ファインタニングのような従来の手法は計算集約的であり、既知の偽音声タイプの知識を損なう危険性がある。
本稿では,新たに登場したニセモノ音声タイプに特化して,低ランク適応行列をトレーニングするコンセプトを紹介する。
当社のアプローチには,ストレージメモリ要件の削減やエラー率の低下など,いくつかのメリットがあります。
論文 参考訳（メタデータ） (2023-06-08T06:06:42Z) - Leaving the Nest: Going Beyond Local Loss Functions for
Predict-Then-Optimize [57.22851616806617]
本手法は,文献から得られた4つの領域において,最先端の成果が得られることを示す。
提案手法は, 局所性仮定が破られた場合, 既存手法よりも200%近く性能が向上する。
論文 参考訳（メタデータ） (2023-05-26T11:17:45Z) - A Spatio-Temporal Neural Network Forecasting Approach for Emulation of
Firefront Models [11.388800758488314]
モデルエミュレーションのための専用時間ニューラルネットワークベースのフレームワークを提案する。
提案手法は、ニューラルネットワークに基づくアプローチにおいてしばしば困難となる、空間的および時間的細部での予測を近似することができる。
実証実験では、シミュレーションとエミュレートされたファイアフロント間の良好な一致が示され、平均的なジャカードスコアは0.76である。
論文 参考訳（メタデータ） (2022-06-17T03:11:18Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - The Parametric Cost Function Approximation: A new approach for
multistage stochastic programming [4.847980206213335]
決定論的最適化モデルのパラメータ化バージョンは、プログラミングや動的プログラミングの複雑さを伴わずに不確実性を扱う効果的な方法であることを示す。
このアプローチは複雑な高次元状態変数を処理でき、シナリオツリーや値関数近似に関連する通常の近似を避けることができる。
論文 参考訳（メタデータ） (2022-01-01T23:25:09Z) - Variance-Reduced Off-Policy Memory-Efficient Policy Search [61.23789485979057]
政治政策の最適化は強化学習において難しい問題である。
オフポリシーアルゴリズムはメモリ効率が高く、オフポリシーサンプルから学ぶことができる。
論文 参考訳（メタデータ） (2020-09-14T16:22:46Z) - Fast and stable MAP-Elites in noisy domains using deep grids [1.827510863075184]
Deep-Grid MAP-ElitesはMAP-Elitesアルゴリズムの変種である。
この単純なアプローチは、適合性最適化の観点から競争性能を達成しつつ、動作記述子のノイズに対する耐性が著しく高いことを示す。
論文 参考訳（メタデータ） (2020-06-25T08:47:23Z) - Optimizing for the Future in Non-Stationary MDPs [52.373873622008944]
本稿では,今後の性能予測を最大化するポリシ勾配アルゴリズムを提案する。
我々のアルゴリズムであるPrognosticatorは2つのオンライン適応手法よりも非定常性に頑健であることを示す。
論文 参考訳（メタデータ） (2020-05-17T03:41:19Z)
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。