論文の概要: Discovering Multiple Algorithm Configurations
- arxiv url: http://arxiv.org/abs/2303.07434v1
- Date: Mon, 13 Mar 2023 19:21:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 17:40:51.943948
- Title: Discovering Multiple Algorithm Configurations
- Title（参考訳）: 複数のアルゴリズム構成の発見
- Authors: Leonid Keselman and Martial Hebert
- Abstract要約: チューニングデータセット内の複数のモードを自動的に検出するアルゴリズム構成を拡張した。
以前の作業とは異なり、これらの設定モードは複数のデータセットインスタンスを表し、最適化の過程で自動的に検出される。
これらの手法は, 立体視深度推定, 微分可能レンダリング, 運動計画, 視覚計測など, 複数のロボット分野において, 合成試験機能に特化している。
- 参考スコア（独自算出の注目度）: 24.7500811470085
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many practitioners in robotics regularly depend on classic, hand-designed
algorithms. Often the performance of these algorithms is tuned across a dataset
of annotated examples which represent typical deployment conditions. Automatic
tuning of these settings is traditionally known as algorithm configuration. In
this work, we extend algorithm configuration to automatically discover multiple
modes in the tuning dataset. Unlike prior work, these configuration modes
represent multiple dataset instances and are detected automatically during the
course of optimization. We propose three methods for mode discovery: a post hoc
method, a multi-stage method, and an online algorithm using a multi-armed
bandit. Our results characterize these methods on synthetic test functions and
in multiple robotics application domains: stereoscopic depth estimation,
differentiable rendering, motion planning, and visual odometry. We show the
clear benefits of detecting multiple modes in algorithm configuration space.
- Abstract（参考訳）: ロボット工学の多くの実践者は、典型的で手作りのアルゴリズムに依存している。
これらのアルゴリズムのパフォーマンスは、典型的なデプロイメント条件を表す注釈付き例のデータセットで調整されることが多い。
これらの設定の自動チューニングは、伝統的にアルゴリズム設定として知られている。
本研究では,チューニングデータセット内の複数のモードを自動的に検出するアルゴリズム構成を拡張する。
以前の作業とは異なり、これらの構成モードは複数のデータセットインスタンスを表し、最適化の過程で自動的に検出される。
モード発見には,ポストホック法,マルチステージ法,マルチアームバンディットを用いたオンラインアルゴリズムの3つの手法を提案する。
これらの手法は, 立体視深度推定, 微分可能レンダリング, 運動計画, 視覚計測など, 合成試験機能および複数のロボット応用領域において特徴付けられる。
アルゴリズム構成空間における複数のモードを検出することの明確な利点を示す。
関連論文リスト
- A Framework for Guided Motion Planning [1.179253400575852]
我々は、ガイド空間の概念を定義することにより、ガイド付き探索の概念を定式化する。
この新しい言語は、同じフレームワークの下で、明らかに異なる先行メソッドをカプセル化している。
本稿では,既知のアルゴリズムでテストした場合の直感と実験的に一致したガイダンスを評価するための情報理論手法を提案する。
論文 参考訳（メタデータ） (2024-04-04T00:58:19Z) - Iterative Linear Quadratic Optimization for Nonlinear Control:
Differentiable Programming Algorithmic Templates [9.711326718689495]
本稿では,機能的観点からの目的の線形近似と二次近似に基づく非線形制御アルゴリズムの実装について述べる。
我々は、微分可能なプログラミングフレームワークで全てのアルゴリズムの計算複雑性を導出し、十分な最適性条件を示す。
アルゴリズムは、公開パッケージで微分可能なプログラミング言語でコード化されている。
論文 参考訳（メタデータ） (2022-07-13T17:10:47Z) - Automated Dynamic Algorithm Configuration [39.39845379026921]
アルゴリズムの性能は、しばしばパラメータの設定に依存する。
いくつかのアルゴリズムパラメータは実行時に動的に調整される。
有望な代替手段は、データからそのような動的パラメータ適応ポリシーを自動的に学習することである。
論文 参考訳（メタデータ） (2022-05-27T10:30:25Z) - Per-run Algorithm Selection with Warm-starting using Trajectory-based
Features [5.073358743426584]
インスタンスごとのアルゴリズム選択は、与えられた問題の場合、1つまたは複数の適切なアルゴリズムを推奨する。
提案手法は,実行毎のアルゴリズム選択を行うオンラインアルゴリズム選択方式を提案する。
提案手法は静的なインスタンスごとのアルゴリズム選択よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-04-20T14:30:42Z) - A Metaheuristic Algorithm for Large Maximum Weight Independent Set
Problems [58.348679046591265]
ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。
このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。
我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-03-28T21:34:16Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳（メタデータ） (2021-09-13T18:10:52Z) - Leveraging Benchmarking Data for Informed One-Shot Dynamic Algorithm
Selection [0.9281671380673306]
進化的アルゴリズムの適用における重要な課題は、目の前の問題に最も適したアルゴリズムインスタンスの選択である。
本研究では, 疑似ブール最適化問題の解法として, このような先行性能データを用いて, 動的アルゴリズム選択スキームを推論する方法について分析する。
論文 参考訳（メタデータ） (2021-02-12T12:27:02Z) - A Systematic Characterization of Sampling Algorithms for Open-ended
Language Generation [71.31905141672529]
本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。
エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。
これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
論文 参考訳（メタデータ） (2020-09-15T17:28:42Z) - Run2Survive: A Decision-theoretic Approach to Algorithm Selection based
on Survival Analysis [75.64261155172856]
生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。
我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。
標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
論文 参考訳（メタデータ） (2020-07-06T15:20:17Z) - Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。
我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
論文 参考訳（メタデータ） (2020-01-29T09:40:58Z) - CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。
複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。
探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
論文 参考訳（メタデータ） (2020-01-08T17:37:01Z)
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。