論文の概要: LearnedSort as a learning-augmented SampleSort: Analysis and
Parallelization
- arxiv url: http://arxiv.org/abs/2307.08637v1
- Date: Mon, 17 Jul 2023 16:53:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 12:06:38.507722
- Title: LearnedSort as a learning-augmented SampleSort: Analysis and
Parallelization
- Title(参考訳): 学習補助サンプルソートとしてのLearledSort:分析と並列化
- Authors: Ivan Carvalho and Ramon Lawrence
- Abstract要約: この研究は、累積分布関数に基づいて機械学習モデルを使ってソートする新しいアルゴリズムであるLearnedSortを分析し、並列化する。
LearnedSortと最先端のSampleSort実装であるIPS4oを組み合わせた並列LearnedSortアルゴリズムを開発した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work analyzes and parallelizes LearnedSort, the novel algorithm that
sorts using machine learning models based on the cumulative distribution
function. LearnedSort is analyzed under the lens of algorithms with
predictions, and it is argued that LearnedSort is a learning-augmented
SampleSort. A parallel LearnedSort algorithm is developed combining LearnedSort
with the state-of-the-art SampleSort implementation, IPS4o. Benchmarks on
synthetic and real-world datasets demonstrate improved parallel performance for
parallel LearnedSort compared to IPS4o and other sorting algorithms.
- Abstract(参考訳): 本研究は、累積分布関数に基づく機械学習モデルを用いてソートする新しいアルゴリズムであるlearnedsortの解析と並列化を行う。
LearnedSortは予測付きアルゴリズムのレンズで分析され、LearnedSortは学習増強されたSampleSortであると主張している。
LearnedSortと最先端のSampleSort実装であるIPS4oを組み合わせた並列LeartedSortアルゴリズムを開発した。
合成および実世界のデータセットのベンチマークでは、IPS4oや他のソートアルゴリズムと比較して、LeartedSortの並列性能が改善された。
関連論文リスト
- Rahmani Sort: A Novel Variant of Insertion Sort Algorithm with O(nlogn) Complexity [0.0]
本稿では,2進探索機構の新たな手法を用いて,前述した左サブアレイへの次のキー項目のソート位置を探索するアルゴリズムを提案する。
その結果,従来の挿入ソートアルゴリズムやマージソートアルゴリズムよりも,新しいアルゴリズムの方が優れた性能を示した。
論文 参考訳(メタデータ) (2024-02-29T12:38:57Z) - Simple Symmetric Sustainable Sorting -- the greeNsort article [0.0]
連続した空間で動作する新しい単純なバイナリQuicksortとMergesortアルゴリズムを発見した。
新しいアルゴリズムは理論的な枠組みに適合する: 'Footprint' は異なるRAM要求のアルゴリズムを比較することができる。
以前の'Quicksorts'とは異なり、我々の'Zucksort'、'Zucksort'、'Ducksort'アルゴリズムはCPU効率とタイアダプティビティを最適に結合する。
論文 参考訳(メタデータ) (2024-02-02T14:21:51Z) - SortNet: Learning To Rank By a Neural-Based Sorting Algorithm [5.485151775727742]
本稿では、ニューラルネットワークをコンパレータとしてオブジェクトを順序付けする適応的なランキングアルゴリズムであるSoltNetを提案する。
提案アルゴリズムをLETORデータセット上で評価し,他の手法と比較して有望な性能を示す。
論文 参考訳(メタデータ) (2023-11-03T12:14:26Z) - Sorting with Predictions [1.7042264000899532]
学習強化アルゴリズムのレンズをソートする根本的な問題について検討する。
我々は,$O(sum_i log eta_i)$の正確な比較だけで,新しい,シンプルなアルゴリズムを設計する。
比較複雑性は, 検証された誤差測度に対して理論的に最適であることを示す。
論文 参考訳(メタデータ) (2023-11-01T18:00:03Z) - Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。
xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。
提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
論文 参考訳(メタデータ) (2023-07-27T07:42:44Z) - Performance Embeddings: A Similarity-based Approach to Automatic
Performance Optimization [71.69092462147292]
パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。
本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
論文 参考訳(メタデータ) (2023-03-14T15:51:35Z) - Learning to Hash Naturally Sorts [84.90210592082829]
そこで我々はNaturely-Sorted Hashing (NSH)を導入し,最終結果のソートによる深層ハッシュモデルのトレーニングを行った。
NSHはサンプルのハッシュコードのハミング距離をソートし、それに従って自己教師付きトレーニングのための潜伏した表現を収集する。
Sorted Noise-Contrastive Estimation (SortedNCE) の新たな損失について述べる。
論文 参考訳(メタデータ) (2022-01-31T16:19:02Z) - Discovering Non-monotonic Autoregressive Orderings with Variational
Inference [67.27561153666211]
我々は、訓練データから高品質な生成順序を純粋に検出する、教師なし並列化可能な学習装置を開発した。
エンコーダを非因果的注意を持つトランスフォーマーとして実装し、1つのフォワードパスで置換を出力する。
言語モデリングタスクにおける経験的結果から,我々の手法は文脈認識であり,一定の順序と競合する,あるいはより優れた順序を見つけることができる。
論文 参考訳(メタデータ) (2021-10-27T16:08:09Z) - Learning MR-Sort Models from Non-Monotone Data [3.509841703841321]
Inv-MR-Sort問題(Inv-MR-Sort)は、データセットに一致するMR-Sortパラメータを計算する。
本稿では,トレーニングデータから,他のMR-Sortパラメータとともに,基準の好みを学習する混合整数プログラミングに基づくアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-07-20T13:51:16Z) - Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。
提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文 参考訳(メタデータ) (2021-05-23T19:21:55Z) - Beware of the Simulated DAG! Varsortability in Additive Noise Models [70.54639814319096]
合成データにおける連続構造学習アルゴリズムの性能は,バラエティが如何に支配されているかを示す。
模擬添加ノイズモデルではバラツキが起こりやすいという認識を高めることを目指しています。
論文 参考訳(メタデータ) (2021-02-26T18:52:27Z)
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。