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

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

arxiv url: http://arxiv.org/abs/2309.08449v1
Date: Fri, 15 Sep 2023 14:53:07 GMT
ステータス: 処理完了
システム内更新日: 2023-09-18 14:10:11.229189
Title: Do Random and Chaotic Sequences Really Cause Different PSO Performance? Further Results
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? さらなる結果
Authors: {Paul Moritz N\"orenberg, Hendrik Richter
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Empirical results show that PSO performance may be different if using either chaotic or random sequences to drive the algorithm's search dynamics. We analyze the phenomenon by evaluating the performance based on a benchmark of test functions and comparing random and chaotic sequences according to equality or difference in underlying distribution or density. Our results show that the underlying distribution is the main influential factor in performance and thus the assumption of general and systematic performance differences between chaos and random appears not plausible.
Abstract（参考訳）: 実験の結果、アルゴリズムの探索ダイナミクスを駆動するためにカオスシーケンスまたはランダムシーケンスを使用する場合、psoの性能が異なる可能性がある。この現象を,テスト関数のベンチマークに基づいて評価し,基礎となる分布や密度の等しさや差に応じてランダムおよびカオス列を比較して解析する。以上の結果から,基礎となる分布が性能に重要な要因であること,カオスとランダムの一般的および体系的な性能差を仮定することは不可能であることが示唆された。

関連論文リスト

On uniqueness of the set of k-means [0.5735035463793009]
非特異性の設定に適応した経験的k平均の整合性を評価する。 k-平均集合の特異性に対するブートストラップ試験を導出する。結果は、異なる種類の非特異性の例で示される。
論文参考訳（メタデータ） (2024-10-17T12:40:56Z)
Causal Discovery of Linear Non-Gaussian Causal Models with Unobserved Confounding [1.6932009464531739]
我々は,線形非ガウス構造方程式モデルについて考察する。この設定では、因果構造は特定可能であるが、一般に、特定の因果効果を識別することはできない。
論文参考訳（メタデータ） (2024-08-09T07:24:12Z)
Identifiable Latent Neural Causal Models [82.14087963690561]
因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。因果表現の識別可能性に寄与する分布シフトのタイプを決定する。本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
論文参考訳（メタデータ） (2024-03-23T04:13:55Z)
Negative-Binomial Randomized Gamma Markov Processes for Heterogeneous Overdispersed Count Time Series [34.31866715010829]
提案する力学系の予測性能を向上する負二項ランダム化ガンママルコフ過程を提案する。また、因子構造とグラフ構造遷移ダイナミクスの両方を推定し、より説明可能な潜在構造を推測する手法も開発している。
論文参考訳（メタデータ） (2024-02-29T09:46:47Z)
Using Sequential Runtime Distributions for the Parallel Speedup Prediction of SAT Local Search [44.99833362998488]
本稿では,その逐次バージョンの実行時挙動を解析することにより,与えられたアルゴリズムの並列性能を推定するフレームワークを提案する。本研究では,2つのSAT局所探索ソルバ,すなわちSparrowとCCASATの並列処理性能について検討する。モデルが正確であることを示し、実験データに近い性能を予測する。
論文参考訳（メタデータ） (2024-01-30T10:29:01Z)
Do Random and Chaotic Sequences Really Cause Different PSO Performance? [0.0]
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。
論文参考訳（メタデータ） (2023-02-09T17:11:34Z)
Clipped Stochastic Methods for Variational Inequalities with Heavy-Tailed Noise [64.85879194013407]
単調なVIPと非単調なVIPの解法における信頼度に対数的依存を持つ最初の高確率結果が証明された。この結果は光尾の場合で最もよく知られたものと一致し,非単調な構造問題に新鮮である。さらに,多くの実用的な定式化の勾配雑音が重く,クリッピングによりSEG/SGDAの性能が向上することを示す。
論文参考訳（メタデータ） (2022-06-02T15:21:55Z)
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)
Deconfounded Score Method: Scoring DAGs with Dense Unobserved Confounding [101.35070661471124]
本研究では,観測データ分布に特徴的フットプリントが残っており,突発的・因果的影響を解消できることを示す。汎用ソルバで実装し,高次元問題へのスケールアップが可能なスコアベース因果検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-28T11:07:59Z)
Multiplicative noise and heavy tails in stochastic optimization [62.993432503309485]
経験的最適化は現代の機械学習の中心であるが、その成功における役割はまだ不明である。分散による離散乗法雑音のパラメータによく現れることを示す。最新のステップサイズやデータを含む重要な要素について、詳細な分析を行い、いずれも最先端のニューラルネットワークモデルで同様の結果を示す。
論文参考訳（メタデータ） (2020-06-11T09:58:01Z)
Learning Overlapping Representations for the Estimation of Individualized Treatment Effects [97.42686600929211]
観測データから代替案の可能性を推定することは難しい問題である。入力のドメイン不変表現を学習するアルゴリズムは、しばしば不適切であることを示す。我々は,様々なベンチマークデータセットの最先端性を大幅に向上させる,ディープカーネル回帰アルゴリズムと後続正規化フレームワークを開発した。
論文参考訳（メタデータ） (2020-01-14T12:56:29Z)

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。