論文の概要: MultiCalib4DEB: A toolbox exploiting multimodal optimisation in Dynamic Energy Budget parameters calibration

• arxiv url: http://arxiv.org/abs/2301.07548v1
• Date: Mon, 16 Jan 2023 13:48:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-19 15:41:24.991263
• Title: MultiCalib4DEB: A toolbox exploiting multimodal optimisation in Dynamic Energy Budget parameters calibration
• Title（参考訳）: multicalib4deb:動的エネルギー予算パラメータキャリブレーションにおけるマルチモーダル最適化を利用するツールボックス
• Authors: Juan Francisco Robles and Manuel Chica and Ram\'on Filgueira and Antonio Ag\"uera and Sergio Damas
• Abstract要約: 我々は,DEBtoolツールボックスに直接統合されたツールボックスであるMultiCalib4DEBを提案する。 マルチモーダル進化最適化アルゴリズムを用いて、DBモデルに対する複数の大域的および局所的最適かつ多様なキャリブレーション解を求める。
• 参考スコア（独自算出の注目度）: 5.179808182296037
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Calibration is a crucial step for the validation of computational models and a challenging task to accomplish. Dynamic Energy Budget (DEB) theory has experienced an exponential rise in the number of published papers, which in large part has been made possible by the DEBtool toolbox. Multimodal evolutionary optimisation could provide DEBtool with new capabilities, particularly relevant on the provisioning of equally optimal and diverse solutions. In this paper we present MultiCalib4DEB, a MATLAB toolbox directly integrated into the existing DEBtool toolbox, which uses multimodal evolutionary optimisation algorithms to find multiple global and local optimal and diverse calibration solutions for DEB models. MultiCalib4DEB adds powerful calibration mechanisms, statistical analysis, and visualisation methods to the DEBtool toolbox and provides a wide range of outputs, different calibration alternatives, and specific tools to strengthen the DEBtool calibration module and to aid DEBtool users to evaluate the performance of the calibration results.
• Abstract（参考訳）: 校正は計算モデルの検証にとって重要なステップであり、達成すべき課題である。 ダイナミック・エナジー・バッジ(DEB)理論は、発行された論文の数が指数関数的に増加しており、その大部分はDEBtoolツールボックスによって実現されている。 マルチモーダル進化最適化は、特に等しく最適で多様な解のプロビジョニングに関係した、新たな能力を提供する可能性がある。 本稿では,MATLABツールボックスであるMultiCalib4DEBを既存のDBtoolツールボックスに直接統合し,マルチモーダル進化最適化アルゴリズムを用いて,DBモデルに対するグローバルかつローカルな最適かつ多様なキャリブレーション解を求める。 MultiCalib4DEBはDBtoolツールボックスに強力なキャリブレーション機構、統計解析、可視化手法を追加し、DBtoolのキャリブレーションモジュールを強化し、DBtoolユーザがキャリブレーション結果のパフォーマンスを評価するために、幅広い出力、異なるキャリブレーション代替手段、および特定のツールを提供する。

関連論文リスト

• LLMC: Benchmarking Large Language Model Quantization with a Versatile Compression Toolkit [55.73370804397226]
  鍵圧縮技術である量子化は、大きな言語モデルを圧縮し、加速することにより、これらの要求を効果的に軽減することができる。 本稿では,プラグアンドプレイ圧縮ツールキットであるLLMCについて,量子化の影響を公平かつ体系的に検討する。 この汎用ツールキットによって、我々のベンチマークはキャリブレーションデータ、アルゴリズム(3つの戦略)、データフォーマットの3つの重要な側面をカバーしています。
  論文  参考訳（メタデータ） (2024-05-09T11:49:05Z)
• Calibrating Large Language Models with Sample Consistency [76.23956851098598]
  本稿では,複数サンプルモデル生成系の分布から信頼度を導出する可能性について,一貫性の3つの尺度を用いて検討する。 その結果、一貫性に基づくキャリブレーション手法は、既存のポストホック手法よりも優れていることがわかった。 種々のLMの特性に合わせて,キャリブレーションに適した整合性指標を選択するための実用的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-02-21T16:15:20Z)
• On Task Performance and Model Calibration with Supervised and Self-Ensembled In-Context Learning [71.44986275228747]
  In-context Learning (ICL) は、近年の大規模言語モデル(LLM)の進歩により、効率的なアプローチとなっている。 しかし、両方のパラダイムは、過信の批判的な問題(すなわち、誤校正)に苦しむ傾向にある。
  論文  参考訳（メタデータ） (2023-12-21T11:55:10Z)
• Multi-Objective Population Based Training [62.997667081978825]
  Population Based Training (PBT) は効率的なハイパーパラメータ最適化アルゴリズムである。 本研究ではPBTの多目的版であるMO-PBTを紹介する。
  論文  参考訳（メタデータ） (2023-06-02T10:54:24Z)
• Towards Unbiased Calibration using Meta-Regularization [6.440598446802981]
  2つのコンポーネントを持つメタ正則化により、より良い校正モデルを学ぶことを提案する。 ニューラルネットワークを3つのコンピュータビジョンデータセット上で改善し、偏りのないキャリブレーションに正規化するための提案手法の有効性を評価する。
  論文  参考訳（メタデータ） (2023-03-27T10:00:50Z)
• Benchmarking Model Predictive Control Algorithms in Building Optimization Testing Framework (BOPTEST) [40.17692290400862]
  物理に基づく建築エミュレータのためのデータ駆動モデリングおよび制御フレームワークを提案する。 a)モデル評価を加速し、コスト効率の良い勾配を提供し、モデル予測制御(MPC)における後退地平線に対する良好な予測精度を維持する、微分可能な代理モデルのオフライントレーニング。 ビルディング最適化テストフレームワーク(BOPTEST)で利用可能な様々なテストケースに対して、複数のサロゲートモデルと最適化フレームワークを用いて、モデリングと制御性能を広範囲に評価する。
  論文  参考訳（メタデータ） (2023-01-31T06:55:19Z)
• Optimization-Derived Learning with Essential Convergence Analysis of Training and Hyper-training [52.39882976848064]
  固定点反復に基づく一般化クラスノセルスキーマンスキースキーム(GKM)を基本ODLモジュールとして設計する。 GKMスキームでは、最適トレーニングとハイパートレーニング変数を同時に解くために、バイレベルメタ最適化(BMO)アルゴリズムフレームワークを構築している。
  論文  参考訳（メタデータ） (2022-06-16T01:50:25Z)
• A Collection of Quality Diversity Optimization Problems Derived from Hyperparameter Optimization of Machine Learning Models [0.8029049649310213]
  品質多様性最適化(Quality Diversity Optimization)は、与えられた問題に対する多様な高パフォーマンスなソリューションを生成する。 我々のベンチマーク問題には、解釈可能性やモデルの資源利用など、新しい特徴関数が関係している。 高速で効率的なベンチマークを可能にするため、最近提案されたオープンソースのベンチマークスイートであるYAHPO Gymをベースとしています。
  論文  参考訳（メタデータ） (2022-04-28T14:29:20Z)
• Minimizing subject-dependent calibration for BCI with Riemannian transfer learning [0.8399688944263843]
  異なる被験者から記録されたデータに基づいて分類器を訓練し、良好な性能を保ちながら校正を減らそうとする手法を提案する。 このアプローチの堅牢性を示すために,3つのBCIパラダイムに対して,複数のデータセットのメタ分析を行った。
  論文  参考訳（メタデータ） (2021-11-23T18:37:58Z)
• Meta-Calibration: Learning of Model Calibration Using Differentiable Expected Calibration Error [46.12703434199988]
  我々は、キャリブレーション品質を直接最適化できる、期待キャリブレーション誤差(DECE)のための新しい微分可能なサロゲートを導入する。 また、DECEを用いて検証セットの校正を最適化するメタラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-17T15:47:50Z)
• Scalable Control Variates for Monte Carlo Methods via Stochastic Optimization [62.47170258504037]
  本稿では,制御,カーネル,ニューラルネットワークを用いた既存のアプローチを包含し,一般化するフレームワークを提案する。 新たな理論的結果は、達成可能な分散還元に関する洞察を与えるために提示され、ベイズ推定への応用を含む経験的評価が支持される。
  論文  参考訳（メタデータ） (2020-06-12T22:03:25Z)

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。