Fugu-MT 論文翻訳(概要): Do Random and Chaotic Sequences Really Cause Different PSO Performance?

論文の概要: Do Random and Chaotic Sequences Really Cause Different PSO Performance?

arxiv url: http://arxiv.org/abs/2303.14099v2
Date: Thu, 6 Apr 2023 09:44:48 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 16:47:25.469778
Title: Do Random and Chaotic Sequences Really Cause Different PSO Performance?
Title（参考訳）: ランダムとカオスシーケンスは本当にPSO性能の違いの原因か?
Authors: Paul Moritz N\"orenberg and Hendrik Richter
Abstract要約: 確率分布が異なるランダム列を、異なるが同じ密度関数を持つカオス列と比較する。以上の結果から, ランダムとカオスを比較した結果, その選択が性能の違いに本質的な影響をもたらす可能性が示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Our topic is performance differences between using random and chaos for particle swarm optimization (PSO). We take random sequences with different probability distributions and compare them to chaotic sequences with different but also with same density functions. This enables us to differentiate between differences in the origin of the sequences (random number generator or chaotic nonlinear system) and statistical differences expressed by the underlying distributions. Our findings (obtained by evaluating the PSO performance for various benchmark problems using statistical hypothesis testing) cast considerable doubt on previous results which compared random to chaos and suggested that the choice leads to intrinsic differences in performance.
Abstract（参考訳）: 我々のトピックは、粒子群最適化(PSO)におけるランダムとカオスの使用による性能差である。確率分布が異なるランダム列を、異なるが同じ密度関数を持つカオス列と比較する。これにより、シーケンス(乱数生成器またはカオス非線形システム)の起源の差異と、基礎となる分布によって表される統計的差異を区別することができる。この結果(統計的仮説テストを用いた各種ベンチマーク問題に対するPSO性能評価の結果)は,乱数とカオスを比較した過去の結果にかなりの疑念を呈し,その選択が本質的な性能差をもたらすことを示唆した。

関連論文リスト

Exponentially Consistent Statistical Classification of Continuous Sequences with Distribution Uncertainty [9.017367466798312]
分布不確実性を伴う連続配列の多重分類について検討する。本研究では, 分布自由試験を提案し, 3つの異なる試験設計において, 誤差確率が指数関数的に速く減衰することを証明する。
論文参考訳（メタデータ） (2024-10-29T07:06:40Z)
Multivariate Stochastic Dominance via Optimal Transport and Applications to Models Benchmarking [21.23500484100963]
最適輸送の枠組みの下で, ほぼ優位性をスムーズなコストで評価する統計モデルを導入する。また、Sinkhornアルゴリズムを用いた仮説テストフレームワークと効率的な実装を提案する。複数のメトリクスで評価された大規模言語モデルの比較とベンチマークを行う方法について紹介する。
論文参考訳（メタデータ） (2024-06-10T16:14:50Z)
Do Random and Chaotic Sequences Really Cause Different PSO Performance? Further Results [0.0]
テスト関数のベンチマークに基づいて性能を評価することにより,その現象を解析する。以上の結果から,基礎となる分布が性能の主要な要因であることが示唆された。
論文参考訳（メタデータ） (2023-09-15T14:53:07Z)
Comparing two samples through stochastic dominance: a graphical approach [2.867517731896504]
実世界のシナリオでは非決定論的測定が一般的である。推定累積分布関数に従って2つのサンプルを視覚的に比較するフレームワークを提案する。
論文参考訳（メタデータ） (2022-03-15T13:37:03Z)
Algorithms for Adaptive Experiments that Trade-off Statistical Analysis with Reward: Combining Uniform Random Assignment and Reward Maximization [50.725191156128645]
トンプソンサンプリングのようなマルチアームバンディットアルゴリズムは適応的な実験を行うのに利用できる。統計的解析のための一様ランダム化の利点を組み合わせた2つのアルゴリズムを探索する2つのアーム実験のシミュレーションを提案する。
論文参考訳（メタデータ） (2021-12-15T22:11:58Z)
Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
論文参考訳（メタデータ） (2021-10-13T22:30:47Z)
Comparing Sequential Forecasters [35.38264087676121]
2つの予測器を考えてみましょう。それぞれが時間とともに一連のイベントを予測します。オンラインでもポストホックでも、予測と結果がどのように生成されたかの検証不可能な仮定を避けながら、これらの予測をどのように比較すればよいのか? 予測スコアの時間差を推定するための新しい逐次推論手法を提案する。実世界の野球と天気予報機を比較することで,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2021-09-30T22:54:46Z)
Kernel distance measures for time series, random fields and other structured data [71.61147615789537]
kdiffは、構造化データのインスタンス間の距離を推定するためのカーネルベースの新しい尺度である。これはインスタンス間の自己類似性と交差類似性の両方を考慮し、距離分布の低い定量値を用いて定義される。 kdiffをクラスタリングと分類問題のための距離尺度として用いた分離性条件について,いくつかの理論的結果が得られた。
論文参考訳（メタデータ） (2021-09-29T22:54:17Z)
Predicting with Confidence on Unseen Distributions [90.68414180153897]
ドメイン適応と予測不確実性文学を結びつけて、挑戦的な未知分布のモデル精度を予測する。分類器の予測における信頼度(DoC)の差は,様々な変化に対して,分類器の性能変化を推定することに成功した。具体的には, 合成分布と自然分布の区別について検討し, その単純さにもかかわらず, DoCは分布差の定量化に優れることを示した。
論文参考訳（メタデータ） (2021-07-07T15:50:18Z)
Modeling Sequences as Distributions with Uncertainty for Sequential Recommendation [63.77513071533095]
既存のシーケンシャルメソッドの多くは、ユーザが決定論的であると仮定する。項目-項目遷移は、いくつかの項目において著しく変動し、ユーザの興味のランダム性を示す。本稿では,不確実性を逐次モデルに注入する分散型トランスフォーマーシークエンシャルレコメンデーション(DT4SR)を提案する。
論文参考訳（メタデータ） (2021-06-11T04:35:21Z)
On the Discrepancy between Density Estimation and Sequence Generation [92.70116082182076]
log-likelihoodは、同じファミリー内のモデルを考えるとき、BLEUと非常に相関している。異なる家族間でのモデルランキングの相関はみられない。
論文参考訳（メタデータ） (2020-02-17T20:13:35Z)

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。