Fugu-MT 論文翻訳(概要): Modern Bayesian Experimental Design

論文の概要: Modern Bayesian Experimental Design

arxiv url: http://arxiv.org/abs/2302.14545v2
Date: Wed, 29 Nov 2023 10:20:19 GMT
ステータス: 処理完了
システム内更新日: 2023-12-01 01:02:16.034438
Title: Modern Bayesian Experimental Design
Title（参考訳）: 現代のベイズ実験設計
Authors: Tom Rainforth, Adam Foster, Desi R Ivanova and Freddie Bickford Smith
Abstract要約: ベイズの実験設計(BED)は、実験の設計を最適化するための強力で一般的なフレームワークを提供する。その展開は、しばしばその実用性を損なうような重大な計算上の課題を引き起こす。近年の進歩は、これらの課題を克服し、BEDを効果的に活用する能力に変化をもたらした。
参考スコア（独自算出の注目度）: 20.524989675674714
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Bayesian experimental design (BED) provides a powerful and general framework for optimizing the design of experiments. However, its deployment often poses substantial computational challenges that can undermine its practical use. In this review, we outline how recent advances have transformed our ability to overcome these challenges and thus utilize BED effectively, before discussing some key areas for future development in the field.
Abstract（参考訳）: ベイズ実験設計 (bed) は実験の設計を最適化するための強力で汎用的なフレームワークを提供する。しかし、その展開はしばしば、その実用性を損なうような重大な計算上の課題を引き起こす。本稿では,近年の進歩がこれらの課題を克服し,BEDを効果的に活用する能力にどのように変化をもたらしたかを概説する。

関連論文リスト

Amortized Bayesian Experimental Design for Decision-Making [22.250312394159945]
本稿では、下流決定ユーティリティの最大化を優先する、償却決定対応のBEDフレームワークを提案する。本稿では,新しいアーキテクチャであるTransformer Neural Decision Process (TNDP)を導入する。提案手法は複数のタスクにまたがって性能を実証し,情報的設計を実現し,正確な意思決定を容易にすることを示す。
論文参考訳（メタデータ） (2024-11-04T13:06:46Z)
Enhanced Bayesian Optimization via Preferential Modeling of Abstract Properties [49.351577714596544]
本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
論文参考訳（メタデータ） (2024-02-27T09:23:13Z)
Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文参考訳（メタデータ） (2022-11-29T17:28:31Z)
Adaptive Experimental Design and Counterfactual Inference [20.666734673282495]
本稿では, 適応型実験システムを用いた産業環境におけるナレーションの課題と落とし穴について, 教訓を共有した。我々は,これらの経験に基づいて,対実的推論のための適応型実験設計フレームワークを開発した。
論文参考訳（メタデータ） (2022-10-25T22:29:16Z)
Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-10-07T02:12:34Z)
Benchopt: Reproducible, efficient and collaborative optimization benchmarks [67.29240500171532]
Benchoptは、機械学習で最適化ベンチマークを自動化、再生、公開するためのフレームワークである。 Benchoptは実験を実行、共有、拡張するための既製のツールを提供することで、コミュニティのベンチマークを簡単にする。
論文参考訳（メタデータ） (2022-06-27T16:19:24Z)
Sequential Bayesian experimental designs via reinforcement learning [0.0]
我々は,BEDを逐次的に構築するために,強化学習による逐次実験設計を提案する。提案手法は,新たな実世界指向実験環境を提案することで,期待される情報獲得を最大化することを目的としている。提案手法は,EIGやサンプリング効率などの指標において,既存の手法よりも優れていることを確認した。
論文参考訳（メタデータ） (2022-02-14T04:29:04Z)
Implicit Deep Adaptive Design: Policy-Based Experimental Design without Likelihoods [24.50829695870901]
暗黙のDeep Adaptive Design (iDAD) は暗黙のモデルでリアルタイムで適応実験を行う新しい手法である。 iDADは、設計ポリシーネットワークを事前学習することで、ベイズ最適設計(BOED)のコストを償却する。
論文参考訳（メタデータ） (2021-11-03T16:24:05Z)
Deep Adaptive Design: Amortizing Sequential Bayesian Experimental Design [11.414086057582324]
本稿では,逐次適応実験のコストを補正する手法であるDeep Adaptive Design (DAD)を紹介する。 DADが実験設計のプロセスに成功したことを実証し、いくつかの問題に対する代替戦略を上回ります。
論文参考訳（メタデータ） (2021-03-03T14:43:48Z)
Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
実験者は、グローバルな最適な場所に関する知識を得ることができる。グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
論文参考訳（メタデータ） (2020-02-26T01:57:36Z)
Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-02-05T10:25:02Z)

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。