Fugu-MT 論文翻訳(概要): TransOpt: Transformer-based Representation Learning for Optimization Problem Classification

論文の概要: TransOpt: Transformer-based Representation Learning for Optimization Problem Classification

arxiv url: http://arxiv.org/abs/2311.18035v1
Date: Wed, 29 Nov 2023 19:20:47 GMT
ステータス: 処理完了
システム内更新日: 2023-12-01 19:01:26.750388
Title: TransOpt: Transformer-based Representation Learning for Optimization Problem Classification
Title（参考訳）: TransOpt:最適化問題分類のためのトランスフォーマーに基づく表現学習
Authors: Gjorgjina Cenikj, Ga\v{s}per Petelin, Tome Eftimov
Abstract要約: 本稿では,トランスを用いたニューラルネットワークアーキテクチャを用いて,最適化問題インスタンスの表現を提案する。本研究では,異なる問題次元に対して70%～80%の範囲で精度の高い問題クラスを認識できるように,トランスフォーマーに基づく手法を訓練可能であることを示す。
参考スコア（独自算出の注目度）: 5.327489950641566
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We propose a representation of optimization problem instances using a transformer-based neural network architecture trained for the task of problem classification of the 24 problem classes from the Black-box Optimization Benchmarking (BBOB) benchmark. We show that transformer-based methods can be trained to recognize problem classes with accuracies in the range of 70\%-80\% for different problem dimensions, suggesting the possible application of transformer architectures in acquiring representations for black-box optimization problems.
Abstract（参考訳）: 本稿では, black-box optimization benchmarking (bbob)ベンチマークによる24問題クラスの問題分類タスク用にトレーニングされたtransformerベースのニューラルネットワークアーキテクチャを用いた最適化問題インスタンスの表現を提案する。トランスフォーマティブ・ベースの手法は,異なる問題次元に対して70\%-80\%の範囲の確率で問題クラスを認識するように訓練できることを示し,ブラックボックス最適化問題に対する表現獲得におけるトランスフォーマアーキテクチャの応用の可能性を示した。

関連論文リスト

Multi-Class Imbalanced Learning with Support Vector Machines via Differential Evolution [4.877822002065298]
サポートベクトルマシン(SVM)は、分類タスクを処理する強力な機械学習アルゴリズムである。本稿では, 微分進化(i-SVM-DE)法によるSVMの改良手法を提案する。
論文参考訳（メタデータ） (2025-02-20T14:30:18Z)
Preventing Local Pitfalls in Vector Quantization via Optimal Transport [77.15924044466976]
我々はシンクホーンアルゴリズムを用いて最適な輸送問題を最適化する新しいベクトル量子化法であるOptVQを紹介する。画像再構成タスクの実験では,OptVQが100%のコードブック利用を実現し,現在最先端のVQNを超越していることが示された。
論文参考訳（メタデータ） (2024-12-19T18:58:14Z)
Impact of spatial transformations on landscape features of CEC2022 basic benchmark problems [2.2298281397001434]
CEC2022ベンチマークスイートの5つの問題集合の低レベル景観特徴にどのように影響するかを,いくつかの問題変換について検討した。その結果、比較的小さな変換であっても、計測された景観特性を著しく変化させることができることがわかった。これは、問題トランスフォーメーションを作成するときにどのようなプロパティを保持したいのか、どのように適切な測定を行うのか、というより広い疑問を引き起こします。
論文参考訳（メタデータ） (2024-02-12T13:52:34Z)
Full Stack Optimization of Transformer Inference: a Survey [58.55475772110702]
トランスフォーマーモデルは広範囲のアプリケーションにまたがって優れた精度を実現する。最近のTransformerモデルの推測に必要な計算量と帯域幅は、かなり増加しています。 Transformerモデルをより効率的にすることに注力している。
論文参考訳（メタデータ） (2023-02-27T18:18:13Z)
Handling Imbalanced Classification Problems With Support Vector Machines via Evolutionary Bilevel Optimization [73.17488635491262]
サポートベクトルマシン(SVM)は、バイナリ分類問題に対処する一般的な学習アルゴリズムである。この記事では、EBCS-SVMについて紹介する。
論文参考訳（メタデータ） (2022-04-21T16:08:44Z)
Benchmark Problems for CEC2021 Competition on Evolutionary Transfer Multiobjectve Optimization [19.712301693126115]
本報告では,知識伝達における多種多様なタイプや特性を網羅した40のベンチマーク関数を提案する。ベンチマーク関数はすべてJAVAコードで実装されており、次のウェブサイトでダウンロードできる。
論文参考訳（メタデータ） (2021-10-15T12:03:46Z)
Adaptive Sampling of Pareto Frontiers with Binary Constraints Using Regression and Classification [0.0]
本稿では,二項制約を持つブラックボックス多目的最適化問題に対する適応最適化アルゴリズムを提案する。本手法は確率的回帰モデルと分類モデルに基づいており,最適化目標のサロゲートとして機能する。また,予想される超体積計算を高速化するために,新しい楕円形トランケーション法を提案する。
論文参考訳（メタデータ） (2020-08-27T09:15:02Z)
A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文参考訳（メタデータ） (2020-06-26T08:34:54Z)
Automatically Learning Compact Quality-aware Surrogates for Optimization Problems [55.94450542785096]
未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
論文参考訳（メタデータ） (2020-06-18T19:11:54Z)
Tiering as a Stochastic Submodular Optimization Problem [5.659969270836789]
タイアリングは大規模情報検索システムを構築する上で欠かせない技術である。最適化問題としての最適階層化は、部分モジュラーなknapsack制約を伴う部分モジュラー最小化問題として適用可能であることを示す。
論文参考訳（メタデータ） (2020-05-16T07:39:29Z)
Discovering Representations for Black-box Optimization [73.59962178534361]
ブラックボックス最適化符号化は手作業で行うのではなく,自動的に学習可能であることを示す。学習された表現は、標準的なMAP-Elitesよりも桁違いに少ない評価で高次元の問題を解くことができることを示す。
論文参考訳（メタデータ） (2020-03-09T20:06:20Z)

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。