論文の概要: On the Utility of Probing Trajectories for Algorithm-Selection
- arxiv url: http://arxiv.org/abs/2401.12745v1
- Date: Tue, 23 Jan 2024 13:23:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 15:29:18.955733
- Title: On the Utility of Probing Trajectories for Algorithm-Selection
- Title（参考訳）: アルゴリズム選択のための探索軌道の有用性について
- Authors: Quentin Renau and Emma Hart
- Abstract要約: アルゴリズムの選択に対する機械学習のアプローチは、通常、インスタンスを入力として記述するデータを取る。
我々は、インスタンスの観点から純粋にアルゴリズムの選択を見ることは誤解を招く可能性があると論じる。
本稿では,アルゴリズム選択のためのモデルのトレーニングに使用できるインスタンスを記述するための,新しいアルゴリズム中心の手法を提案する。
- 参考スコア（独自算出の注目度）: 0.24475591916185496
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine-learning approaches to algorithm-selection typically take data
describing an instance as input. Input data can take the form of features
derived from the instance description or fitness landscape, or can be a direct
representation of the instance itself, i.e. an image or textual description.
Regardless of the choice of input, there is an implicit assumption that
instances that are similar will elicit similar performance from algorithm, and
that a model is capable of learning this relationship. We argue that viewing
algorithm-selection purely from an instance perspective can be misleading as it
fails to account for how an algorithm `views' similarity between instances. We
propose a novel `algorithm-centric' method for describing instances that can be
used to train models for algorithm-selection: specifically, we use short
probing trajectories calculated by applying a solver to an instance for a very
short period of time. The approach is demonstrated to be promising, providing
comparable or better results to computationally expensive landscape-based
feature-based approaches. Furthermore, projecting the trajectories into a
2-dimensional space illustrates that functions that are similar from an
algorithm-perspective do not necessarily correspond to the accepted
categorisation of these functions from a human perspective.
- Abstract（参考訳）: アルゴリズム選択に対する機械学習アプローチは、通常、インスタンスを入力として記述するデータを取る。
入力データは、インスタンス記述または適合性ランドスケープから派生した特徴の形式をとるか、インスタンス自体、すなわちイメージまたはテキスト記述を直接表現することができる。
入力の選択にかかわらず、類似したインスタンスがアルゴリズムから類似したパフォーマンスを引き出すという暗黙の仮定があり、モデルがこの関係を学習することができる。
インスタンスの観点から純粋にアルゴリズム選択を見ることは、アルゴリズムがインスタンス間の類似性をどのように‘ビュー’するかを説明できないため、誤解を招く可能性がある。
本稿では,アルゴリズム選択のためのモデルの学習に使用できるインスタンスを記述するための'algorithm-centric'法を提案する。
このアプローチは有望であり、計算コストの高いランドスケープベースの機能ベースのアプローチに匹敵する、あるいはよりよい結果を提供する。
さらに、軌跡を2次元空間に投影すると、アルゴリズムパースペクティブと類似した関数は、必ずしも人間の視点からこれらの関数の受け入れられた分類に対応しない。
関連論文リスト
- Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
最適公正表現はいくつかの有用な構造特性を持つことを示す。
そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
論文 参考訳（メタデータ） (2024-09-26T08:46:48Z) - Discrete Neural Algorithmic Reasoning [18.497863598167257]
本稿では,有限状態の組合せとして,ニューラル推論器に実行軌跡の維持を強制することを提案する。
アルゴリズムの状態遷移の監督で訓練されたモデルでは、元のアルゴリズムと完全に整合することができる。
論文 参考訳（メタデータ） (2024-02-18T16:03:04Z) - Provably Efficient Representation Learning with Tractable Planning in
Low-Rank POMDP [81.00800920928621]
部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究
まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。
次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
論文 参考訳（メタデータ） (2023-06-21T16:04:03Z) - Algorithm Instance Footprint: Separating Easily Solvable and Challenging
Problem Instances [0.7046417074932257]
ブラックボックス最適化では、アルゴリズムインスタンスが問題インスタンスのセットで動作し、他のインスタンスにフェールする理由を理解することが不可欠である。
本稿では,解き易い問題インスタンスの集合と解き易い問題インスタンスの集合からなるアルゴリズムインスタンスフットプリントの定式化手法を提案する。
論文 参考訳（メタデータ） (2023-06-01T09:28:06Z) - Object Representations as Fixed Points: Training Iterative Refinement
Algorithms with Implicit Differentiation [88.14365009076907]
反復的洗練は表現学習に有用なパラダイムである。
トレーニングの安定性とトラクタビリティを向上させる暗黙の差別化アプローチを開発する。
論文 参考訳（メタデータ） (2022-07-02T10:00:35Z) - Trajectory-based Algorithm Selection with Warm-starting [2.3823600586675724]
本研究では,アルゴリズムの性能予測シナリオにおいて,性能回帰モデルとアルゴリズム選択モデルの品質と精度について検討する。
ウォームスタートを用いたトラジェクトリベースラン毎のアルゴリズム選択の有望な性能を示す。
論文 参考訳（メタデータ） (2022-04-13T14:00:55Z) - Low-rank Dictionary Learning for Unsupervised Feature Selection [11.634317251468968]
低ランク表現に辞書学習のアイデアを適用することで、教師なしの新たな特徴選択手法を導入する。
非教師付き特徴選択のための統一目的関数は、$ell_2,1$-norm正規化によってスパースな方法で提案される。
実験の結果,提案手法は最先端のアルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-06-21T13:39:10Z) - An Empirical Comparison of Instance Attribution Methods for NLP [62.63504976810927]
本研究は,トレーニングサンプルの重要性に関して,異なるインスタンス属性が一致した度合いを評価する。
単純な検索メソッドは、グラデーションベースの方法によって識別されたものと異なるトレーニングインスタンスを生成する。
論文 参考訳（メタデータ） (2021-04-09T01:03:17Z) - A novel shape matching descriptor for real-time hand gesture recognition [11.798555201744596]
実時間手振り認識のための新しい形状マッチング手法を提案する。
提案手法は,他の手法よりも優れ,リアルタイムアプリケーションにおける精度と計算効率の優れた組み合わせを提供する。
論文 参考訳（メタデータ） (2021-01-11T14:41:57Z) - Run2Survive: A Decision-theoretic Approach to Algorithm Selection based
on Survival Analysis [75.64261155172856]
生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。
我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。
標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
論文 参考訳（メタデータ） (2020-07-06T15:20:17Z) - The data-driven physical-based equations discovery using evolutionary
approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。
このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。
解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文 参考訳（メタデータ） (2020-04-03T17:21:57Z)
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。