論文の概要: A Linear Programming Approach for Resource-Aware Information-Theoretic
Tree Abstractions
- arxiv url: http://arxiv.org/abs/2208.04220v1
- Date: Mon, 8 Aug 2022 15:44:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 14:13:20.872066
- Title: A Linear Programming Approach for Resource-Aware Information-Theoretic
Tree Abstractions
- Title（参考訳）: 資源を考慮した情報理論ツリー抽象化のための線形プログラミング手法
- Authors: Daniel T. Larsson and Dipankar Maity and Panagiotis Tsiotras
- Abstract要約: 本稿では,資源制約のある自律エージェントに対して,タスク関連,マルチレゾリューション,環境抽象化を実現するための整数線形プログラミングの定式化について述べる。
本稿では,信号圧縮のための階層木構造,信号エンコーダ,情報理論手法を共通テーマの下で統一する方法について述べる。
多分解能木の空間上の情報理論的抽象問題は、整数線形プログラミング(ILP)問題として定式化できることが示されている。
- 参考スコア（独自算出の注目度）: 16.565205172451662
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this chapter, an integer linear programming formulation for the problem of
obtaining task-relevant, multi-resolution, environment abstractions for
resource-constrained autonomous agents is presented. The formulation leverages
concepts from information-theoretic signal compression, specifically, the
information bottleneck (IB) method, to pose an abstraction problem as an
optimal encoder search over the space of multi-resolution trees. The
abstractions emerge in a task-relevant manner as a function of agent
information-processing constraints. We detail our formulation, and show how
hierarchical tree structures, signal encoders, and information-theoretic
methods for signal compression can be unified under a common theme. A
discussion delineating the benefits and drawbacks of our formulation is
presented, as well as a detailed explanation how our approach can be
interpreted within the context of generating abstractions for
resource-constrained autonomous systems. It is shown that the resulting
information-theoretic abstraction problem over the space of multi-resolution
trees can be formulated as a integer linear programming (ILP) problem. We
demonstrate the approach on a number of examples, and provide a discussion
detailing the differences of the proposed framework compared to existing
methods. Lastly, we consider a linear program relaxation of the ILP problem,
thereby demonstrating that multi-resolution information-theoretic tree
abstractions can be obtained by solving a convex program.
- Abstract（参考訳）: 本章では,資源制約された自律エージェントのタスク関連,マルチレゾリューション,環境抽象化問題に対する整数線形プログラミングの定式化について述べる。
この定式化は情報理論信号圧縮の概念、特に情報ボトルネック(IB)法を利用して、多解像度ツリーの空間上の最適なエンコーダ探索として抽象化問題を提起する。
抽象化はエージェント情報処理制約の関数としてタスク関連的に現れる。
本稿では,木構造,信号エンコーダ,および信号圧縮のための情報理論的手法を共通テーマで統一する方法について述べる。
提案手法のメリットと欠点を概説する議論や,リソース制約付き自律システムのための抽象化生成のコンテキストにおいて,我々のアプローチをどのように解釈できるかの詳細な説明を行った。
多分解能木の空間上の情報理論的抽象問題は、整数線形プログラミング(ILP)問題として定式化できることが示されている。
本稿では,提案手法を実例で示すとともに,提案手法と既存手法との差異を詳述した議論を行う。
最後に, ilp問題の線形プログラム緩和を考えることで, 凸プログラムを解いて多分解能情報理論ツリー抽象化が得られることを示す。
関連論文リスト
- Learning to Solve Abstract Reasoning Problems with Neurosymbolic Program Synthesis and Task Generation [0.8701566919381223]
本稿では,ニューラルプログラム合成に基づく抽象問題の解法であるTransCoderを提案する。
提案アーキテクチャの生成モジュールによる決定を包括的に分析する。
論文 参考訳（メタデータ） (2024-10-06T13:42:53Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳（メタデータ） (2023-10-08T23:39:38Z) - Ideal Abstractions for Decision-Focused Learning [108.15241246054515]
本稿では,決定関連情報の損失を最小限に抑えるために,出力空間を自動的に構成する手法を提案する。
本手法は,ディープニューラルネットワークトレーニングのためのデータ取得と,閉ループ山火事管理タスクの2つの領域で実証する。
論文 参考訳（メタデータ） (2023-03-29T23:31:32Z) - Explainable Data-Driven Optimization: From Context to Decision and Back
Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。
本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。
在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文 参考訳（メタデータ） (2023-01-24T15:25:16Z) - Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent
Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。
ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。
ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文 参考訳（メタデータ） (2022-03-29T21:00:39Z) - Information-Theoretic Abstractions for Resource-Constrained Agents via
Mixed-Integer Linear Programming [11.247580943940916]
本稿では,資源制約エージェントに対するタスク関連多解像度グラフ抽象化問題に対する混合整数線形プログラミングの定式化について述べる。
非自明な数値例を提示し、リソース限定エージェントの階層的ツリー抽象化のアプローチを用いた実用性を示す。
論文 参考訳（メタデータ） (2021-02-19T16:34:47Z) - An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。
特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。
提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文 参考訳（メタデータ） (2020-06-18T20:09:53Z) - Information-Theoretic Abstractions for Planning in Agents with
Computational Constraints [16.565205172451662]
本稿では,元空間の抽象化に関する問題を解くことで,環境内の経路計画問題を体系的に近似する方法を示す。
数値的な例を提示し, アプローチの有用性を示し, 理論的知見を裏付ける。
論文 参考訳（メタデータ） (2020-05-19T17:32:10Z) - Invariant Causal Prediction for Block MDPs [106.63346115341862]
環境全体にわたる一般化は、実世界の課題への強化学習アルゴリズムの適用の成功に不可欠である。
本稿では,多環境環境における新しい観測を一般化するモデル不適合状態抽象化(MISA)を学習するための不変予測法を提案する。
論文 参考訳（メタデータ） (2020-03-12T21:03:01Z)
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。