Fugu-MT 論文翻訳(概要): Approximating Optimal Estimation of Time Offset Synchronization with Temperature Variations

論文の概要: Approximating Optimal Estimation of Time Offset Synchronization with Temperature Variations

arxiv url: http://arxiv.org/abs/2212.07138v1
Date: Wed, 14 Dec 2022 10:00:53 GMT
ステータス: 処理完了
システム内更新日: 2022-12-15 17:55:05.905808
Title: Approximating Optimal Estimation of Time Offset Synchronization with Temperature Variations
Title（参考訳）: 温度変動を考慮した時間オフセット同期の最適推定
Authors: Maurizio Mongelli, Stefano Scanzio
Abstract要約: 温度変動が存在する場合の時間オフセット同期の問題に対処する。マスタとスレーブ間のクロックオフセットの最適推定を近似するために,関数最適化手法を開発した。
参考スコア（独自算出の注目度）: 2.023315598404668
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper addresses the problem of time offset synchronization in the presence of temperature variations, which lead to a non-Gaussian environment. In this context, regular Kalman filtering reveals to be suboptimal. A functional optimization approach is developed in order to approximate optimal estimation of the clock offset between master and slave. A numerical approximation is provided to this aim, based on regular neural network training. Other heuristics are provided as well, based on spline regression. An extensive performance evaluation highlights the benefits of the proposed techniques, which can be easily generalized to several clock synchronization protocols and operating environments.
Abstract（参考訳）: 本稿では,非ガウス環境につながる温度変動の存在下での時間オフセット同期の問題に対処する。この文脈では、正則カルマンフィルタリングは準最適であることが分かる。マスタとスレーブ間のクロックオフセットの最適推定を近似するために,関数最適化手法を開発した。この目的に対して、通常のニューラルネットワークトレーニングに基づく数値近似が提供される。スプライン回帰に基づく他のヒューリスティックも提供される。広範な性能評価は提案手法の利点を強調しており、クロック同期プロトコルや動作環境に容易に一般化することができる。

関連論文リスト

Understanding Optimization in Deep Learning with Central Flows [53.66160508990508]
RMSの暗黙的な振る舞いは、微分方程式の「中央流:」によって明示的に捉えられることを示す。これらのフローは、汎用ニューラルネットワークの長期最適化軌道を経験的に予測できることを示す。
論文参考訳（メタデータ） (2024-10-31T17:58:13Z)
Straggler-Resilient Decentralized Learning via Adaptive Asynchronous Updates [28.813671194939225]
完全に分散化された最適化手法は、人気のあるパラメータサーバフレームワークに代わるものとして提唱されている。本稿では、各労働者が通信する近隣労働者の数を適応的に決定することで、適応的な非同期更新を施した完全に分散化されたアルゴリズムを提案する。 DSGD-AAUは収束の線形高速化を実現し,その有効性を示す。
論文参考訳（メタデータ） (2023-06-11T02:08:59Z)
Relaxed Gaussian process interpolation: a goal-oriented approach to Bayesian optimization [0.0]
本研究では,ガウス過程(GP)モデリングの文脈で予測分布を求める新しい手法を提案する。緩和ガウス過程(reGP)と呼ばれる手法は、興味の範囲でより良い予測分布を提供する。これはゴール指向の方法と見なすことができ、ベイズ最適化において特に興味深いものとなる。
論文参考訳（メタデータ） (2022-06-07T06:26:46Z)
Posterior temperature optimized Bayesian models for inverse problems in medical imaging [59.82184400837329]
本研究は, 医用画像における逆問題に対する非教師的ベイズ的アプローチである。最適化後温度が精度の向上と不確実性評価に繋がることを示す。ソースコードは calibrated.com/Cardio-AI/mfvi-dip-mia で公開されています。
論文参考訳（メタデータ） (2022-02-02T12:16:33Z)
From Deterioration to Acceleration: A Calibration Approach to Rehabilitating Step Asynchronism in Federated Optimization [13.755421424240048]
我々は,局所的な方向を予測的グローバルな方向に調整する新しいアルゴリズムであるtexttFedaGracを提案する。理論的には、texttFedaGrac は最先端のアプローチよりも収束率の向上を証明している。
論文参考訳（メタデータ） (2021-12-17T07:26:31Z)
Robust and Adaptive Temporal-Difference Learning Using An Ensemble of Gaussian Processes [70.80716221080118]
本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。 OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。 1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
論文参考訳（メタデータ） (2021-12-01T23:15:09Z)
Asynchronous Iterations in Optimization: New Sequence Results and Sharper Algorithmic Guarantees [10.984101749941471]
並列および分散最適化アルゴリズムの解析に現れる非同期反復に対する新しい収束結果を紹介する。結果は簡単に適用でき、非同期の度合いが反復の収束率にどのように影響するかを明確に見積もることができる。
論文参考訳（メタデータ） (2021-09-09T19:08:56Z)
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)
Numerical Comparison of Neighbourhood Topologies in Particle Swarm Optimization [0.0]
本稿では,5つの異なる近傍トポロジと4つの異なる係数の設定で表される性能を比較した。最適位相は問題に依存しているにもかかわらず、相互接続の数を持つ動的近傍が望ましいと考えられる。
論文参考訳（メタデータ） (2021-01-25T09:23:55Z)
Time-varying Gaussian Process Bandit Optimization with Non-constant Evaluation Time [93.6788993843846]
非定常評価時間を効果的に処理できる新しい時間変化ベイズ最適化アルゴリズムを提案する。我々の限界は、評価時間列のパターンが問題の難易度に大きな影響を与えることを決定づける。
論文参考訳（メタデータ） (2020-03-10T13:28:33Z)
Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
論文参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。