論文の概要: Deep Sensitivity Analysis for Objective-Oriented Combinatorial Optimization

• arxiv url: http://arxiv.org/abs/2403.00016v1
• Date: Wed, 28 Feb 2024 02:15:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 23:17:29.085818
• Title: Deep Sensitivity Analysis for Objective-Oriented Combinatorial Optimization
• Title（参考訳）: オブジェクト指向組合せ最適化のための深部感度解析
• Authors: Ganga Gireesan, Nisha Pillai, Michael J Rothrock, Bindu Nanduri, Zhiqian Chen, Mahalingam Ramkumar
• Abstract要約: 病原性制御は現代の養鶏における重要な側面であり、公衆衛生と生産性の両方に重要な利益をもたらす。 本研究では、ニューラルネットワーク最適化問題として、複数の病原体の存在を最小限に抑える最適な管理手法の探索を行う。 予備実験は、2つの実世界の農業データセットに適用した場合に有望な結果をもたらす。
• 参考スコア（独自算出の注目度）: 5.794844059546945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pathogen control is a critical aspect of modern poultry farming, providing important benefits for both public health and productivity. Effective poultry management measures to reduce pathogen levels in poultry flocks promote food safety by lowering risks of food-borne illnesses. They also support animal health and welfare by preventing infectious diseases that can rapidly spread and impact flock growth, egg production, and overall health. This study frames the search for optimal management practices that minimize the presence of multiple pathogens as a combinatorial optimization problem. Specifically, we model the various possible combinations of management settings as a solution space that can be efficiently explored to identify configurations that optimally reduce pathogen levels. This design incorporates a neural network feedback-based method that combines feature explanations with global sensitivity analysis to ensure combinatorial optimization in multiobjective settings. Our preliminary experiments have promising results when applied to two real-world agricultural datasets. While further validation is still needed, these early experimental findings demonstrate the potential of the model to derive targeted feature interactions that adaptively optimize pathogen control under varying real-world constraints.
• Abstract（参考訳）: 病原性制御は現代の養鶏における重要な側面であり、公衆衛生と生産性の両方に重要な利益をもたらす。 鶏群れの病原体レベルを下げるための効果的な養鶏管理は、食物由来の病気のリスクを下げることで食品の安全性を促進する。 また、急速に増殖し、繁殖、卵生産、健康に影響を及ぼす伝染病を防ぎ、動物の健康と福祉を支援している。 本研究は,複数の病原体の存在を最小限に抑える最適な管理手法の探索を組合せ最適化問題として定めている。 具体的には,病原体レベルを最適に低減する構成を特定するために効率的に探索できるソリューション空間として,管理設定の様々な組み合わせをモデル化する。 この設計は、機能説明とグローバル感度分析を組み合わせて、多目的設定における組合せ最適化を保証するニューラルネットワークフィードバックに基づく手法を取り入れている。 私たちの予備実験は、2つの実世界の農業データセットに適用すると有望な結果が得られる。 さらなる検証が必要であるが、これらの初期の実験結果は、様々な現実世界の制約の下で病原体制御を適応的に最適化するターゲットとなる特徴相互作用を導出するためのモデルの可能性を示している。

関連論文リスト

• Towards Interpreting Multi-Objective Feature Associations [5.794844059546945]
  農業環境における特徴の最適な組み合わせを見つけるために,多ラベルを用いた客観的な特徴相互作用を提案する。 その結果、説明に基づくアプローチは、ベースライン未満の病原体の存在を減少させる特徴の組み合わせを識別できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-28T02:24:04Z)
• DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment Design [61.48963555382729]
  本研究では,実験1回あたりの有意な発見率を最大化するためのサンプル効率向上手法としてDiscoBAXを提案する。 我々は、標準仮定の下で近似最適性の理論的保証を提供し、包括的な実験評価を行う。
  論文  参考訳（メタデータ） (2023-12-07T06:05:39Z)
• Efficiently Predicting Protein Stability Changes Upon Single-point Mutation with Large Language Models [51.57843608615827]
  タンパク質の熱安定性を正確に予測する能力は、様々なサブフィールドや生化学への応用において重要である。 タンパク質配列と構造的特徴を統合したESMによる効率的なアプローチを導入し, 単一点突然変異によるタンパク質の熱安定性変化を予測する。
  論文  参考訳（メタデータ） (2023-12-07T03:25:49Z)
• Cooperating Graph Neural Networks with Deep Reinforcement Learning for Vaccine Prioritization [0.0]
  本研究は,供給制限時のパンデミックの全体負担を軽減するためのワクチンの優先順位付け戦略について検討する。 既存の方法では、サブグループ集団内の均一な振る舞いを仮定してマクロレベルまたは単純化されたマイクロレベルワクチンの分布を行う。 我々は,高次空間時間病進化システムのための最適なワクチン配置戦略を求めるために,新しい深層強化学習を開発した。
  論文  参考訳（メタデータ） (2023-05-09T04:19:10Z)
• Data-driven control of COVID-19 in buildings: a reinforcement-learning approach [1.2187048691454236]
  新型コロナウイルス(COVID-19)のパンデミックにより、職場の閉鎖と閉鎖が始まり、総コストは16兆ドルを超えると推定されている。 本研究は, 建設環境における感染性病原体への被曝量を最小限に抑えるため, 最適室内気流設計のためのデータ駆動制御手法を提案する。
  論文  参考訳（メタデータ） (2022-12-27T17:28:28Z)
• Adaptive Identification of Populations with Treatment Benefit in Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
  確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。 サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
  論文  参考訳（メタデータ） (2022-08-11T14:27:49Z)
• ODBO: Bayesian Optimization with Search Space Prescreening for Directed Protein Evolution [18.726398852721204]
  タンパク質指向進化のための効率的で実験的な設計指向のクローズドループ最適化フレームワークを提案する。 ODBOは、新しい低次元タンパク質エンコーディング戦略と、外乱検出による検索空間事前スクリーニングによって強化されたベイズ最適化を組み合わせている。 本研究は, タンパク質指向進化実験を4回実施し, 興味のある変異を見出すためのフレームワークの能力を実証した。
  論文  参考訳（メタデータ） (2022-05-19T13:21:31Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• Emergent Hand Morphology and Control from Optimizing Robust Grasps of Diverse Objects [63.89096733478149]
  多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。 形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。 我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-12-22T17:52:29Z)
• EpidemiOptim: A Toolbox for the Optimization of Control Policies in Epidemiological Models [12.748861129923348]
  EpidemiOptimは、疫学と最適化の研究者間のコラボレーションを容易にするPythonツールボックスである。 これは疫学モデルとコスト関数を、最適化実践者が一般的に使用する標準インターフェースを介して最適化問題に変換する。 本稿では,エピデミオプティムを用いて,死傷率と経済不況の最適化の下で,ロックダウン制御を動的に行うための最適ポリシーを提案する。
  論文  参考訳（メタデータ） (2020-10-09T09:25:41Z)
• A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
  我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。 報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。 どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
  論文  参考訳（メタデータ） (2020-05-15T17:17:45Z)

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。