論文の概要: The DEVStone Metric: Performance Analysis of DEVS Simulation Engines
- arxiv url: http://arxiv.org/abs/2309.16544v1
- Date: Thu, 28 Sep 2023 15:56:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 06:08:32.934315
- Title: The DEVStone Metric: Performance Analysis of DEVS Simulation Engines
- Title（参考訳）: DEVStone Metric: DEVSシミュレーションエンジンの性能解析
- Authors: Rom\'an C\'ardenas, Kevin Henares, Patricia Arroba, Jos\'e L.
Risco-Mart\'in and Gabriel A. Wainer
- Abstract要約: DEVStone ベンチマークにより,DEVS の定式化に基づく離散イベントシミュレータの性能評価が可能となる。
このメトリックは、シミュレータが1分で12のDeVStoneモデルを選択することができる平均回数に対応する。
提案手法により,様々なシミュレータを比較し,新機能が性能に与える影響を評価することができる。
- 参考スコア（独自算出の注目度）: 0.7499722271664147
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The DEVStone benchmark allows us to evaluate the performance of
discrete-event simulators based on the DEVS formalism. It provides model sets
with different characteristics, enabling the analysis of specific issues of
simulation engines. However, this heterogeneity hinders the comparison of the
results among studies, as the results obtained on each research work depend on
the chosen subset of DEVStone models. We define the DEVStone metric based on
the DEVStone synthetic benchmark and provide a mechanism for specifying
objective ratings for DEVS-based simulators. This metric corresponds to the
average number of times that a simulator can execute a selection of 12 DEVStone
models in one minute. The variety of the chosen models ensures we measure
different particularities provided by DEVStone. The proposed metric allows us
to compare various simulators and to assess the impact of new features on their
performance. We use the DEVStone metric to compare some popular DEVS-based
simulators.
- Abstract（参考訳）: DEVStone ベンチマークにより,DEVS の定式化に基づく離散イベントシミュレータの性能評価が可能となる。
異なる特性を持つモデルセットを提供し、シミュレーションエンジンの特定の問題を分析することができる。
しかし、この不均一性は、それぞれの研究成果がデヴストーンモデルの選択された部分集合に依存するため、研究間の結果の比較を妨げる。
我々は,DEVStone 合成ベンチマークに基づいてDEVStone 測定値を定義し,DVS ベースシミュレータの目標評価を指定するメカニズムを提供する。
このメトリックは、シミュレータが1分で12のDeVStoneモデルを選択することができる平均回数に対応する。
選択されたモデルの多様性は、DEVStoneが提供する異なる特異性を測定することを保証する。
提案手法により,様々なシミュレータを比較し,新機能が性能に与える影響を評価することができる。
我々は、DEVStoneメトリックを使用して、人気のあるDEVSベースのシミュレータを比較する。
関連論文リスト
- Introducing Flexible Monotone Multiple Choice Item Response Theory Models and Bit Scales [0.0]
本稿では,複数選択データに対する新しいモデルであるモノトーン多重選択(MMC)モデルを提案する。
MMCモデルは、適合性の観点から、従来の名目応答IRTモデルよりも優れていることを実証的に実証する。
論文 参考訳（メタデータ） (2024-10-02T12:33:16Z) - Design-Space Exploration of SNN Models using Application-Specific Multi-Core Architectures [0.3599866690398789]
RAVSimは最先端のSNNシミュレータであり、彼らのウェブサイトで公式モジュールとして公開されている。
RAVSimは、ユーザがモデルと対話し、出力集中の振る舞いを観察し、シミュレーション実行中いつでもパラメトリック値のセットを変更することができる実行時仮想シミュレーション環境である。
論文 参考訳（メタデータ） (2024-02-07T20:41:00Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - In-Context Demonstration Selection with Cross Entropy Difference [95.21947716378641]
大規模言語モデル(LLM)は、ゼロショットタスクのパフォーマンスを改善するためにコンテキスト内デモを使用することができる。
テキスト内デモを選択するためのクロスエントロピー差分法(CED)を提案する。
論文 参考訳（メタデータ） (2023-05-24T05:04:00Z) - A Control-Centric Benchmark for Video Prediction [69.22614362800692]
本稿では,アクション条件付きビデオ予測のベンチマークを,制御ベンチマークの形式で提案する。
私たちのベンチマークには、11のタスクカテゴリと310のタスクインスタンス定義を備えたシミュレーション環境が含まれています。
次に、ベンチマークを活用して、スケールするモデルサイズ、トレーニングデータの量、モデルアンサンブルの影響を調査します。
論文 参考訳（メタデータ） (2023-04-26T17:59:45Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳（メタデータ） (2023-04-04T17:54:32Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳（メタデータ） (2020-11-17T22:24:26Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳（メタデータ） (2020-11-13T10:53:27Z) - Probabilistic Value Selection for Space Efficient Model [10.109875612945658]
情報理論の計量に基づく2つの確率的手法が提案されている: PVS と P + VS。
実験結果から,値選択は精度とモデルサイズ削減のバランスがとれることがわかった。
論文 参考訳（メタデータ） (2020-07-09T08:45:13Z) - Using Machine Learning to Emulate Agent-Based Simulations [0.0]
エージェントベースモデル(ABM)解析に用いる統計エミュレータとして,複数の機械学習手法の性能評価を行った。
エージェントベースのモデリングは、モデルに対するより堅牢な感度解析を容易にするため、エミュレーションに機械学習を用いる利点がある。
論文 参考訳（メタデータ） (2020-05-05T11:48:36Z) - Learning Similarity Metrics for Numerical Simulations [29.39625644221578]
本稿では,様々な数値シミュレーションソースから得られるデータを比較するため,安定かつ一般化された指標(LSiM)をニューラルネットワークで計算する手法を提案する。
提案手法は,計量の数学的性質を動機としたシームズネットワークアーキテクチャを用いている。
論文 参考訳（メタデータ） (2020-02-18T20:11:15Z)
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。