論文の概要: Towards the Inferrence of Structural Similarity of Combinatorial Landscapes

• arxiv url: http://arxiv.org/abs/2312.02720v1
• Date: Tue, 5 Dec 2023 12:34:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 15:42:58.727431
• Title: Towards the Inferrence of Structural Similarity of Combinatorial Landscapes
• Title（参考訳）: 複合景観の構造的類似性の推論に向けて
• Authors: Mingyu Huang, Ke Li
• Abstract要約: 最も一般的な問題の1つは類推である。与えられた問題に対して、解決者はフィットネスのランドスケープの戦略的歩みと見なすことができる。 本研究では、フィットネスランドスケープのプロキシとしてローカルオプティマネットワークを用いて、グラフデータマイニング技術を活用して、それらのランドスケープに埋め込まれた潜伏構造情報を探索する。
• 参考スコア（独自算出の注目度）: 5.1059158939850064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the most common problem-solving heuristics is by analogy. For a given problem, a solver can be viewed as a strategic walk on its fitness landscape. Thus if a solver works for one problem instance, we expect it will also be effective for other instances whose fitness landscapes essentially share structural similarities with each other. However, due to the black-box nature of combinatorial optimization, it is far from trivial to infer such similarity in real-world scenarios. To bridge this gap, by using local optima network as a proxy of fitness landscapes, this paper proposed to leverage graph data mining techniques to conduct qualitative and quantitative analyses to explore the latent topological structural information embedded in those landscapes. By conducting large-scale empirical experiments on three classic combinatorial optimization problems, we gain concrete evidence to support the existence of structural similarity between landscapes of the same classes within neighboring dimensions. We also interrogated the relationship between landscapes of different problem classes.
• Abstract（参考訳）: 最も一般的な問題解決ヒューリスティックの1つはアナロジーである。 与えられた問題に対して、解決者はフィットネスのランドスケープの戦略的歩行と見なすことができる。 したがって、ある問題に対して解法が有効であれば、フィットネスのランドスケープが互いに構造的類似性を共有する他の事例にも有効であると期待する。 しかし、組合せ最適化のブラックボックスの性質から、現実のシナリオでこのような類似性を推測するのは容易ではない。 このギャップを埋めるために, 局所的オプティマネットワークをフィットネス景観の指標として利用し, グラフデータマイニング手法を用いて質的, 定量的解析を行い, それらの景観に埋め込まれた潜在トポロジカルな構造情報を探索することを提案した。 3つの古典的組合せ最適化問題に対して大規模実験を行うことで,同一クラスの景観構造的類似性の存在を裏付ける具体的な証拠が得られる。 また,異なる問題クラスの景観間の関係についても質問した。

関連論文リスト

• Landscaping Linear Mode Connectivity [76.39694196535996]
  線形モード接続(LMC)は理論と実用の両方の観点から関心を集めている。 ロスランドスケープがLCCに対して地形的にどのように振る舞う必要があるかのモデルを提供することで、その理解に向けて一歩前進する。
  論文  参考訳（メタデータ） (2024-06-24T03:53:30Z)
• Is attention required for ICL? Exploring the Relationship Between Model Architecture and In-Context Learning Ability [39.42414275888214]
  そこで本研究では,テキスト内学習タスクのスイート間で因果言語モデリングが可能な13のモデルを評価する。 検討されたアーキテクチャはすべて、以前文書化されたよりも幅広い条件下でコンテキスト内学習を行うことができる。 いくつかの注意すべき代替手段は、トランスフォーマーよりもコンテキスト内学習者と競合することがある。
  論文  参考訳（メタデータ） (2023-10-12T05:43:06Z)
• Similarity of Neural Architectures using Adversarial Attack Transferability [47.66096554602005]
  ニューラルネットワーク間の定量的かつスケーラブルな類似度尺度を設計する。 我々は69の最先端画像ネット分類器を大規模に解析する。 我々の結果は、異なるコンポーネントを持つ多様なニューラルアーキテクチャの開発がなぜ必要かについての洞察を提供する。
  論文  参考訳（メタデータ） (2022-10-20T16:56:47Z)
• A Collection of Deep Learning-based Feature-Free Approaches for Characterizing Single-Objective Continuous Fitness Landscapes [0.0]
  ランドスケープの洞察は、問題を理解するだけでなく、ベンチマークセットの多様性と構成を評価するためにも重要である。 本研究では、最適化ランドスケープを特徴付ける様々なアプローチのコレクションを提供する。 我々は、Deep Learningの助けを借りて、BBOBテストベッド上で考案した手法を実証し、検証し、予測する。
  論文  参考訳（メタデータ） (2022-04-12T12:46:31Z)
• Fitness Landscape Footprint: A Framework to Compare Neural Architecture Search Problems [12.901952926144258]
  我々は、フィットネスランドスケープ分析を用いて、ニューラルアーキテクチャー探索問題を研究する。 本稿では,古典画像分類ベンチマークCIFAR-10とリモートセンシング問題So2Sat LCZ42の2つの問題について検討する。
  論文  参考訳（メタデータ） (2021-11-02T13:20:01Z)
• Kinship Verification Based on Cross-Generation Feature Interaction Learning [53.62256887837659]
  顔画像からの血縁検証は、コンピュータビジョンの応用において、新しいが挑戦的な技術として認識されている。 本稿では,頑健な親族関係検証のためのクロスジェネレーション・インタラクション・ラーニング(CFIL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-07T01:50:50Z)
• Weakly supervised cross-domain alignment with optimal transport [102.8572398001639]
  画像オブジェクトとテキストシーケンス間のクロスドメインアライメントは多くの視覚言語タスクの鍵となる。 本稿では,画像とテキスト間の微粒な意味的類似点の同定と最適化のための新しいアプローチについて検討する。
  論文  参考訳（メタデータ） (2020-08-14T22:48:36Z)
• Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
  本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。 両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。 RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
  論文  参考訳（メタデータ） (2020-07-23T14:00:34Z)
• Understanding Deep Architectures with Reasoning Layer [60.90906477693774]
  本研究では,アルゴリズムの収束,安定性,感度といった特性が,エンドツーエンドモデルの近似と一般化能力と密接に関連していることを示す。 私たちの理論は、深いアーキテクチャを推論層で設計するための有用なガイドラインを提供することができます。
  論文  参考訳（メタデータ） (2020-06-24T00:26:35Z)

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。