Fugu-MT 論文翻訳(概要): Benchmark dataset and instance generator for Real-World Three-Dimensional Bin Packing Problems

論文の概要: Benchmark dataset and instance generator for Real-World Three-Dimensional Bin Packing Problems

arxiv url: http://arxiv.org/abs/2304.14712v4
Date: Thu, 29 Jun 2023 09:31:14 GMT
ステータス: 処理完了
システム内更新日: 2023-06-30 16:34:12.034345
Title: Benchmark dataset and instance generator for Real-World Three-Dimensional Bin Packing Problems
Title（参考訳）: 実世界3次元バンドル問題のためのベンチマークデータセットとインスタンス生成
Authors: Eneko Osaba, Esther Villar-Rodriguez and Sebasti\'an V. Romero
Abstract要約: このベンチマークは最初、量子ソルバの性能を評価するために提案された。この一連のインスタンスの特徴は、現在の量子デバイスの制限に従って設計されている。この記事では、量子コンピューティング研究者が現実世界のビンパッキング問題に取り組むことを奨励するベースラインを提供する。
参考スコア（独自算出の注目度）: 1.035593890158457
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this article, a benchmark for real-world bin packing problems is proposed. This dataset consists of 12 instances of varying levels of complexity regarding size (with the number of packages ranging from 38 to 53) and user-defined requirements. In fact, several real-world-oriented restrictions were taken into account to build these instances: i) item and bin dimensions, ii) weight restrictions, iii) affinities among package categories iv) preferences for package ordering and v) load balancing. Besides the data, we also offer an own developed Python script for the dataset generation, coined Q4RealBPP-DataGen. The benchmark was initially proposed to evaluate the performance of quantum solvers. Therefore, the characteristics of this set of instances were designed according to the current limitations of quantum devices. Additionally, the dataset generator is included to allow the construction of general-purpose benchmarks. The data introduced in this article provides a baseline that will encourage quantum computing researchers to work on real-world bin packing problems.
Abstract（参考訳）: 本稿では,実世界のビンパッキング問題のベンチマークを提案する。このデータセットは、サイズ(38から53までのパッケージ数)とユーザ定義要件に関して、さまざまなレベルの複雑性を持つ12のインスタンスで構成されている。実際、これらのインスタンスを構築するために、いくつかの実世界指向の制約が考慮されました。一アイテム及びビン寸法二重量制限三パッケージカテゴリー間の親和性四パッケージ注文の優先事項及び v) ロードバランシング。データに加えて、Q4RealBPP-DataGenというデータセット生成用の独自のPythonスクリプトも提供しています。このベンチマークは量子ソルバの性能を評価するために最初に提案された。したがって、この一連のインスタンスの特性は、現在の量子デバイスの制限に従って設計されている。さらに、データセットジェネレータは汎用ベンチマークの構築を可能にする。この記事では、量子コンピューティング研究者が現実世界のビンパッキング問題に取り組むことを奨励するベースラインを提供する。

関連論文リスト

Single and Multi-Hop Question-Answering Datasets for Reticular Chemistry with GPT-4-Turbo [0.5110571587151475]
RetChemQA"は、レチキュラー化学領域における機械学習モデルの能力を評価するために設計されたベンチマークデータセットである。このデータセットには、シングルホップとマルチホップの問合せペアの両方が含まれており、各タイプのQ&Aは約45,000である。質問は、NAS、ACS、RCC、Elsevier、Nature Publishing Groupなどの出版社から約2,530の学術論文を含む広範な文献コーパスから抽出された。
論文参考訳（メタデータ） (2024-05-03T14:29:54Z)
QOPTLib: a Quantum Computing Oriented Benchmark for Combinatorial Optimization Problems [0.4972323953932129]
最適化のための量子コンピューティング指向ベンチマークを提案する。このベンチマークはQOPTLibと呼ばれ、4つのよく知られた問題を均等に分散した40のインスタンスで構成されている。本稿では,量子アニールに基づく2つの解法を用いたQOPTLibの完全解法について紹介する。
論文参考訳（メタデータ） (2024-04-24T13:02:33Z)
Solving Logistic-Oriented Bin Packing Problems Through a Hybrid Quantum-Classical Approach [0.44241702149260353]
Bin Packing Problemは、幅広い産業応用性を持つ古典的な問題である。我々は以前公表したQ4RealBPPと呼ばれる量子古典的フレームワークを活用している。
論文参考訳（メタデータ） (2023-08-05T04:36:33Z)
DataComp: In search of the next generation of multimodal datasets [179.79323076587255]
DataCompは、Common Crawlの128億の画像テキストペアの候補プールを中心にしたデータセット実験用のテストベッドである。我々のベンチマークは、複数の計算スケールから成っている。特に、最良のベースラインであるDataComp-1Bは、ImageNetでCLIP ViT-L/14をスクラッチから79.2%のゼロショット精度でトレーニングすることが可能です。
論文参考訳（メタデータ） (2023-04-27T11:37:18Z)
Hybrid Approach for Solving Real-World Bin Packing Problem Instances Using Quantum Annealers [0.8434687648198277]
実世界の3次元Bin Packing Problems(Q4RealBPP)を解くためのハイブリッド量子古典的フレームワークを提案する。 Q4RealBPPは、3dBPPの現実指向のインスタンスの解決を許可しており、産業や物流部門でよく評価されている制限について検討している。
論文参考訳（メタデータ） (2023-03-01T14:04:50Z)
The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。完全に自動化された量子ソフトウェアスタックを開発する必要がある。この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
論文参考訳（メタデータ） (2023-01-10T19:00:00Z)
MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
論文参考訳（メタデータ） (2022-08-08T08:15:34Z)
Omnidata: A Scalable Pipeline for Making Multi-Task Mid-Level Vision Datasets from 3D Scans [103.92680099373567]
本稿では,実世界の包括的3Dスキャンからマルチタスク視覚データセットをパラメトリックサンプリングし,レンダリングするパイプラインを提案する。サンプリングパラメータを変更することで、生成されたデータセットを“ステア”して、特定の情報を強調することが可能になる。生成されたスタータデータセットでトレーニングされた共通アーキテクチャは、複数の共通ビジョンタスクとベンチマークで最先端のパフォーマンスに達した。
論文参考訳（メタデータ） (2021-10-11T04:21:46Z)
Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
論文参考訳（メタデータ） (2021-09-06T16:46:38Z)
QPack: Quantum Approximate Optimization Algorithms as universal benchmark for quantum computers [1.1602089225841632]
ノイズ中間スケール量子(NISQ)コンピュータの普遍的ベンチマークであるQPackを提案する。 QPackは、量子コンピュータが解決できる最大問題サイズ、必要なランタイム、および達成された精度を評価する。
論文参考訳（メタデータ） (2021-03-31T16:20:51Z)
Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
論文参考訳（メタデータ） (2020-04-23T17:35:11Z)

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。