論文の概要: pyribs: A Bare-Bones Python Library for Quality Diversity Optimization

• arxiv url: http://arxiv.org/abs/2303.00191v1
• Date: Wed, 1 Mar 2023 02:48:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 16:09:11.541443
• Title: pyribs: A Bare-Bones Python Library for Quality Diversity Optimization
• Title（参考訳）: pyribs: 品質の多様性を最適化するベアボーンpythonライブラリ
• Authors: Bryon Tjanaka, Matthew C. Fontaine, David H. Lee, Yulun Zhang, Nivedit Reddy Balam, Nathaniel Dennler, Sujay S. Garlanka, Nikitas Dimitri Klapsis, Stefanos Nikolaidis
• Abstract要約: pyribsは概念品質多様性(QD)フレームワーク上に構築されたライブラリである。 pyribsを使えば、ユーザーはQD文学全体からアルゴリズムを作成できる。 本稿では,その実装する概念的枠組みと,図書館の発展を導く設計原則に焦点を当てる。
• 参考スコア（独自算出の注目度）: 18.86795343878155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent years have seen a rise in the popularity of quality diversity (QD) optimization, a branch of optimization that seeks to find a collection of diverse, high-performing solutions to a given problem. To grow further, we believe the QD community faces two challenges: developing a framework to represent the field's growing array of algorithms, and implementing that framework in software that supports a range of researchers and practitioners. To address these challenges, we have developed pyribs, a library built on a highly modular conceptual QD framework. By replacing components in the conceptual framework, and hence in pyribs, users can compose algorithms from across the QD literature; equally important, they can identify unexplored algorithm variations. Furthermore, pyribs makes this framework simple, flexible, and accessible, with a user-friendly API supported by extensive documentation and tutorials. This paper overviews the creation of pyribs, focusing on the conceptual framework that it implements and the design principles that have guided the library's development.
• Abstract（参考訳）: 近年、与えられた問題に対する多様でハイパフォーマンスなソリューションの集合を見つけることを目的とした最適化の分野であるqd(quality diversity)最適化の人気が高まっている。 さらに拡大するために、QDコミュニティは2つの課題に直面している: フィールドの増大するアルゴリズムの配列を表現するフレームワークを開発すること、そして、研究者や実践者をサポートするソフトウェアにそのフレームワークを実装すること。 これらの課題に対処するため,高度にモジュール化された概念QDフレームワーク上に構築されたpyribsを開発した。 概念的フレームワークのコンポーネントを置き換えることで、ユーザーはQD文学全体からアルゴリズムを構成することができる。 さらにpyribsは、幅広いドキュメンテーションとチュートリアルによってユーザフレンドリなapiをサポートすることで、このフレームワークをシンプルで、柔軟で、アクセスしやすくする。 本稿では, 実装する概念的枠組みと, ライブラリの開発を導く設計原則に着目し, ピリブの作成について概説する。

関連論文リスト

• XRDSLAM: A Flexible and Modular Framework for Deep Learning based SLAM [5.092026311165656]
  XRDSLAMは、モジュール型コード設計とマルチプロセス実行機構を採用した柔軟なSLAMフレームワークである。 このフレームワークでは,NeRFや3DGSベースのSLAM,さらにはオドメトリや再構成アルゴリズムなど,最先端のSLAMアルゴリズムをさまざまなタイプに統合する。 我々は、SLAM技術の広範な研究開発を促進することを目的として、すべてのコード、構成、データをオープンソースコミュニティにコントリビュートします。
  論文  参考訳（メタデータ） (2024-10-31T07:25:39Z)
• Hierarchical and Decoupled BEV Perception Learning Framework for Autonomous Driving [52.808273563372126]
  本稿では,基本認識モジュールとユーザフレンドリなグラフィカルインタフェースのライブラリの提供を目的とした,新しい階層的BEV知覚パラダイムを提案する。 我々は,大規模公開データセットと合理化開発プロセスを効果的に活用するために,Pretrain-Finetune戦略を実行している。 また、マルチモジュールラーニング(MML)アプローチを提案し、複数のモデルの相乗的かつ反復的な訓練により性能を向上させる。
  論文  参考訳（メタデータ） (2024-07-17T11:17:20Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Qsyn: A Developer-Friendly Quantum Circuit Synthesis Framework for NISQ Era and Beyond [5.070216813872523]
  我々は新しい量子回路合成(QCS)フレームワークであるQsynを導入し、開発者がQCSアルゴリズムとツールを研究、開発、テスト、実験し、フレームワークに貢献できるようにする。 当社のフレームワークは,3つの面で,現代的なQCSフレームワークよりも開発者フレンドリです。
  論文  参考訳（メタデータ） (2024-05-12T07:48:23Z)
• Comprehensive Library of Variational LSE Solvers [2.502222151305252]
  本研究では,文献における既存手法を実現する変分Lse-solverフレームワークを開発した。 ユーザフレンドリーなインターフェースは、エンド・ツー・エンドのアプリケーションを識別し開発する抽象化レベルで働く研究者のために設計されている。
  論文  参考訳（メタデータ） (2024-04-15T16:43:13Z)
• Large Search Model: Redefining Search Stack in the Era of LLMs [63.503320030117145]
  我々は,1つの大言語モデル(LLM)で検索タスクを統一することにより,従来の検索スタックを再定義する,大規模検索モデルと呼ばれる新しい概念的フレームワークを導入する。 全てのタスクは自動回帰テキスト生成問題として定式化され、自然言語のプロンプトを使ってタスクをカスタマイズできる。 提案フレームワークは,LLMの強力な言語理解と推論能力を活用し,既存の検索スタックを簡素化しつつ,検索結果の質を向上させる能力を提供する。
  論文  参考訳（メタデータ） (2023-10-23T05:52:09Z)
• AbCD: A Component-wise Adjustable Framework for Dynamic Optimization Problems [49.1574468325115]
  動的最適化問題 (DOP) は、常に発生し、現実の応用に共通するフィットネス環境の変化によって特徴づけられる。 我々は、動的問題のための調整可能なコンポーネント(AbCD)と呼ばれるDOPのためのコンポーネント指向フレームワークを開発する。 この結果から,アルゴリズムやコンポーネントの今後の発展に対処する必要があるDOP分野の既存の課題が浮き彫りになる。
  論文  参考訳（メタデータ） (2023-10-09T08:11:31Z)
• Conceptual Design Generation Using Large Language Models [0.34998703934432673]
  大規模言語モデル(LLM)は、テキストプロンプトから一見創造的な出力を生成することができる。 本稿では LLM を利用して,12 個の設計問題の集合に対するソリューションを生成し,それらをクラウドソーシングされたソリューションのベースラインと比較する。 専門家による評価から, LLM生成ソリューションは平均実現可能性と有用性が高いことが示唆された。 我々は、素早いエンジニアリングで実験を行い、数発の学習を利用することで、クラウドソースのソリューションとよりよく似たソリューションを生み出すことができることを発見した。
  論文  参考訳（メタデータ） (2023-05-30T19:32:39Z)
• Paradiseo: From a Modular Framework for Evolutionary Computation to the Automated Design of Metaheuristics ---22 Years of Paradiseo--- [33.056531655247625]
  ParadisEOは、モジュラーメタヒューリスティックの開発をターゲットとする、包括的なC++フリーソフトウェアである。 この記事では、モジュール化メタヒューリスティックスの開発を目標とする、包括的なC++フリーソフトウェアであるParadisEOフレームワークの特徴を要約する。
  論文  参考訳（メタデータ） (2021-05-02T08:45:33Z)
• Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and Beyond [114.39616146985001]
  機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。 本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。 次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
  論文  参考訳（メタデータ） (2021-01-27T16:20:23Z)
• Taxonomy of Dual Block-Coordinate Ascent Methods for Discrete Energy Minimization [96.1052289276254]
  離散的グラフィカルモデルにおける最大姿勢推定問題と、二重ブロック座標法に基づく解法について考察する。 既存のすべてのソルバをひとつのフレームワークにマッピングし、設計原則をより深く理解できるようにします。
  論文  参考訳（メタデータ） (2020-04-16T15:49:13Z)

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。