Fugu-MT 論文翻訳(概要): PyExperimenter: Easily distribute experiments and track results

論文の概要: PyExperimenter: Easily distribute experiments and track results

arxiv url: http://arxiv.org/abs/2301.06348v1
Date: Mon, 16 Jan 2023 10:43:02 GMT
ステータス: 処理完了
システム内更新日: 2023-01-18 16:06:22.170593
Title: PyExperimenter: Easily distribute experiments and track results
Title（参考訳）: PyExperimenter: 簡単に実験を配布し、結果を追跡できる
Authors: Tanja Tornede, Alexander Tornede, Lukas Fehring, Lukas Gehring, Helena Graf, Jonas Hanselle, Felix Mohr, Marcel Wever
Abstract要約: PyExperimenterは、アルゴリズムの実験的な研究結果のセットアップ、ドキュメンテーション、実行、およびその後の評価を容易にするツールである。人工知能の分野で研究者が使用することを意図しているが、それらに限定されていない。
参考スコア（独自算出の注目度）: 63.871474825689134
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: PyExperimenter is a tool to facilitate the setup, documentation, execution, and subsequent evaluation of results from an empirical study of algorithms and in particular is designed to reduce the involved manual effort significantly. It is intended to be used by researchers in the field of artificial intelligence, but is not limited to those.
Abstract（参考訳）: PyExperimenterは、アルゴリズムの実験的研究の結果のセットアップ、ドキュメンテーション、実行、そしてその後の評価を容易にするツールであり、特に、関連する手作業を大幅に削減するために設計されている。人工知能の分野で研究者が使用することを意図しているが、それらに限定されない。

関連論文リスト

Efficient Biological Data Acquisition through Inference Set Design [3.9633147697178996]
本研究は,システム全体としての所望の精度を実現するため,最小の候補群を選択することを目的とする。本稿では,このメカニズムを推論セット設計と呼び,信頼性に基づくアクティブラーニングソリューションを用いて,挑戦的な事例を抽出する手法を提案する。
論文参考訳（メタデータ） (2024-10-25T15:34:03Z)
MLXP: A Framework for Conducting Replicable Experiments in Python [63.37350735954699]
MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
論文参考訳（メタデータ） (2024-02-21T14:22:20Z)
Adaptive Instrument Design for Indirect Experiments [48.815194906471405]
RCTとは異なり、間接的な実験は条件付き機器変数を利用して治療効果を推定する。本稿では,データ収集ポリシーを適応的に設計することで,間接実験におけるサンプル効率の向上に向けた最初のステップについて述べる。我々の主な貢献は、影響関数を利用して最適なデータ収集ポリシーを探索する実用的な計算手順である。
論文参考訳（メタデータ） (2023-12-05T02:38:04Z)
Task-specific experimental design for treatment effect estimation [59.879567967089145]
因果推論の標準は大規模ランダム化試験(RCT)である。近年の研究では、RCTのよりサンプル効率の良い代替案が提案されているが、これらは因果効果を求める下流の応用には適用できない。実験的な設計のためのタスク固有のアプローチを開発し、特定の下流アプリケーションにカスタマイズされたサンプリング戦略を導出する。
論文参考訳（メタデータ） (2023-06-08T18:10:37Z)
Bayesian Q-learning With Imperfect Expert Demonstrations [56.55609745121237]
そこで本研究では,Q-ラーニングを高速化するアルゴリズムを提案する。我々は,スパース・リワード・チェーン環境と,より複雑な6つのアタリゲームに対して,報酬の遅れによるアプローチを評価した。
論文参考訳（メタデータ） (2022-10-01T17:38:19Z)
Active Learning-Based Optimization of Scientific Experimental Design [1.9705094859539976]
Active Learning(AL)は、ラベル付きトレーニングインスタンスを少なくすることで、より精度の高い機械学習アルゴリズムである。本稿では,提案したALスキームを用いた薬物応答データセットの振り返り研究を行う。これは、手動で設定するのではなく、科学的な実験設計がALによって最適化可能であることを示している。
論文参考訳（メタデータ） (2021-12-29T20:02:35Z)
Efficient and accurate group testing via Belief Propagation: an empirical study [5.706360286474043]
グループテスト問題は効率的なプーリングスキームとアルゴリズムを要求する。目標は感染したサンプルを正確に識別し、最小限の数の検査を行うことである。結果の精度を大幅に向上させる新しいテスト設計を提案する。
論文参考訳（メタデータ） (2021-05-13T10:52:46Z)
Predicting Performance for Natural Language Processing Tasks [128.34208911925424]
実験条件を入力として,NLP実験の評価スコアを予測する回帰モデルを構築した。 9つの異なるNLPタスクを実験した結果、予測器は目に見えない言語や異なるモデリングアーキテクチャに対して有意義な予測を生成できることがわかった。
論文参考訳（メタデータ） (2020-05-02T16:02:18Z)

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。