Fugu-MT 論文翻訳(概要): Automated Learning: An Implementation of The A* Search Algorithm over The Random Base Functions

論文の概要: Automated Learning: An Implementation of The A* Search Algorithm over The Random Base Functions

arxiv url: http://arxiv.org/abs/2211.05085v1
Date: Wed, 9 Nov 2022 18:17:16 GMT
ステータス: 処理完了
システム内更新日: 2022-11-10 17:57:48.975205
Title: Automated Learning: An Implementation of The A* Search Algorithm over The Random Base Functions
Title（参考訳）: 自動学習:ランダムベース関数上のA*探索アルゴリズムの実装
Authors: Nima Tatari
Abstract要約: このレターは、基底関数の集合を見つけるアルゴリズムを説明する。結果のプロットを示して、外挿と目に見えないデータを比較する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This letter explains an algorithm for finding a set of base functions. The method aims to capture the leading behavior of the dataset in terms of a few base functions. Implementation of the A-star search will help find these functions, while the gradient descent optimizes the parameters of the functions at each search step. We will show the resulting plots to compare the extrapolation with the unseen data.
Abstract（参考訳）: このレターは、基本関数の集合を見つけるアルゴリズムを説明する。このメソッドは、いくつかのベース関数の観点からデータセットのリード動作をキャプチャすることを目的としている。 a星探索の実装はこれらの関数を見つけるのに役立つが、勾配降下は各探索ステップの関数のパラメータを最適化する。結果のプロットを示して、外挿と目に見えないデータを比較する。

関連論文リスト

Mapping-to-Parameter Nonlinear Functional Regression with Novel B-spline Free Knot Placement Algorithm [12.491024918270824]
非線形機能回帰に対する新しいアプローチを提案する。このモデルは無限次元関数空間から有限次元パラメータ空間への関数データのマッピングに基づいている。結び目配置アルゴリズムの性能は, 単一関数近似と多関数近似の両方において堅牢であることが示されている。
論文参考訳（メタデータ） (2024-01-26T16:35:48Z)
Efficient Model-Free Exploration in Low-Rank MDPs [76.87340323826945]
低ランクマルコフ決定プロセスは、関数近似を持つRLに対して単純だが表現力のあるフレームワークを提供する。既存のアルゴリズムは、(1)計算的に抽出可能であるか、または(2)制限的な統計的仮定に依存している。提案手法は,低ランクMPPの探索のための最初の実証可能なサンプル効率アルゴリズムである。
論文参考訳（メタデータ） (2023-07-08T15:41:48Z)
Practical First-Order Bayesian Optimization Algorithms [0.0]
本稿では,勾配GPからの情報を効率よく活用して,ゼロ勾配の潜在的な問合せ点を同定する,実用的なFOBOアルゴリズムのクラスを提案する。提案アルゴリズムの性能をいくつかのテスト関数で検証し,提案アルゴリズムが最先端のFOBOアルゴリズムより優れていることを示す。
論文参考訳（メタデータ） (2023-06-19T10:05:41Z)
Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching [58.39970828272366]
グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
論文参考訳（メタデータ） (2022-01-25T00:10:03Z)
Optimizing Bayesian acquisition functions in Gaussian Processes [0.0]
本稿では,最大改善確率や期待改善率などの異なる取得機能について分析する。また, 時間分析とともに, 選択した初期試料の位置の重要性も示した。
論文参考訳（メタデータ） (2021-11-09T03:25:15Z)
A Gradient Sampling Algorithm for Stratified Maps with Applications to Topological Data Analysis [0.0]
我々は、よく知られた勾配サンプリング手法を拡張した新しい勾配降下アルゴリズムを提案する。次に、低星フィルタ上で計算された永続ホモロジー写像に基づいて、目的関数に本手法を適用する。
論文参考訳（メタデータ） (2021-09-01T14:07:44Z)
Bayesian Algorithm Execution: Estimating Computable Properties of Black-box Functions Using Mutual Information [78.78486761923855]
多くの現実世界では、T関数の評価の予算を考えると、高価なブラックボックス関数 f の性質を推測したい。本稿では,アルゴリズムの出力に対して相互情報を最大化するクエリを逐次選択する手法InfoBAXを提案する。これらの問題に対してInfoBAXは、元のアルゴリズムで要求されるより500倍少ないクエリをfに使用する。
論文参考訳（メタデータ） (2021-04-19T17:22:11Z)
A Systematic Characterization of Sampling Algorithms for Open-ended Language Generation [71.31905141672529]
本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
論文参考訳（メタデータ） (2020-09-15T17:28:42Z)
Sequential Subspace Search for Functional Bayesian Optimization Incorporating Experimenter Intuition [63.011641517977644]
本アルゴリズムは,実験者のガウス過程から引き出された一組の引き数で区切られた関数空間の有限次元ランダム部分空間列を生成する。標準ベイズ最適化は各部分空間に適用され、次の部分空間の出発点(オリジン)として用いられる最良の解である。シミュレーションおよび実世界の実験,すなわちブラインド関数マッチング,アルミニウム合金の最適析出強化関数の探索,深層ネットワークの学習速度スケジュール最適化において,本アルゴリズムを検証した。
論文参考訳（メタデータ） (2020-09-08T06:54:11Z)
Fibonacci and k-Subsecting Recursive Feature Elimination [2.741266294612776]
特徴選択は、分類アルゴリズムを高速化する可能性のあるデータマイニングタスクである。本稿では、Fibonacciとk-Subsecting Recursive Feature Eliminationという2つの新しいアルゴリズムを提案する。その結果、Fibonacci と k-Subsecting Recursive Feature Elimination は標準 RFE よりもはるかに高速に機能の小さなサブセットを選択することができることがわかった。
論文参考訳（メタデータ） (2020-07-29T15:53:04Z)
Exploiting Higher Order Smoothness in Derivative-free Optimization and Continuous Bandits [99.70167985955352]
強凸関数のゼロ次最適化問題について検討する。予測勾配降下アルゴリズムのランダム化近似を考察する。その結果,0次アルゴリズムはサンプルの複雑性や問題パラメータの点でほぼ最適であることが示唆された。
論文参考訳（メタデータ） (2020-06-14T10:42:23Z)

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。