論文の概要: Decoupling Generation and Evaluation for Parallel Greedy Best-First Search(extended version)

• arxiv url: http://arxiv.org/abs/2408.05682v2
• Date: Tue, 17 Jun 2025 08:28:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.035633
• Title: Decoupling Generation and Evaluation for Parallel Greedy Best-First Search(extended version)
• Title（参考訳）: 並列グレディベストファースト検索のデカップリング生成と評価(拡張版)
• Authors: Takumi Shimoda, Alex Fukunaga,
• Abstract要約: 制約付き並列グリード最優先探索アルゴリズムのクラスは、制約を満たす状態を拡張するのみである。 状態生成と状態評価を分離する制約付き並列探索の改良を提案する。
• 参考スコア（独自算出の注目度）: 2.0718016474717196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to understand and control the search behavior of parallel search, recent work has proposed a class of constrained parallel greedy best-first search algorithms which only expands states that satisfy some constraint.However, enforcing such constraints can be costly, as threads must be waiting idly until a state that satisfies the expansion constraint is available. We propose an improvement to constrained parallel search which decouples state generation and state evaluation and significantly improves state evaluation rate, resulting in better search performance.
• Abstract（参考訳）: 並列探索の探索動作を理解し制御するために,近年の研究では,制約を満たす状態のみを拡張できる制約付き並列グリード最優先探索アルゴリズムが提案されているが,拡張制約を満たす状態が利用可能になるまでスレッドが待機しなければならないため,そのような制約を強制することはコストがかかる。 本稿では、状態生成と状態評価を分離し、状態評価率を大幅に改善し、検索性能を向上する制約付き並列探索の改善を提案する。

関連論文リスト

• Breaking the Lens of the Telescope: Online Relevance Estimation over Large Retrieval Sets [14.494301139974455]
  本稿では,オンライン関連度推定という新たな手法を提案する。 オンライン関連度推定は、ランキングプロセスを通して、クエリの関連度推定を継続的に更新する。 TRECベンチマークの手法をハイブリッド検索と適応検索の2つのシナリオで検証する。
  論文  参考訳（メタデータ） (2025-04-12T22:05:50Z)
• Parallel Greedy Best-First Search with a Bound on the Number of Expansions Relative to Sequential Search [2.0718016474717196]
  PUHF は, 逐次 GBFS で拡張された状態数と, 最悪ケースのタイブレング戦略との定数倍数で束縛されていないことを示す。 提案手法は,拡張された状態の数が連続GBFSで拡張された状態の数に一定の範囲内にあることを保証する並列グリージー検索である。
  論文  参考訳（メタデータ） (2024-12-16T05:39:59Z)
• RethinkMCTS: Refining Erroneous Thoughts in Monte Carlo Tree Search for Code Generation [65.5353313491402]
  本稿では,モンテカルロ木探索(MCTS)アルゴリズムを用いて,コードを生成する前に思考レベルの探索を行うRethinkMCTSを紹介する。 我々は,検索中の誤った思考を洗練させるために,微動コード実行フィードバックからの言語フィードバックを構築した。 RethinkMCTSは従来の検索ベースおよびフィードバックベースのコード生成ベースラインよりも優れていることを実証する。
  論文  参考訳（メタデータ） (2024-09-15T02:07:28Z)
• Count-based Novelty Exploration in Classical Planning [5.893124686141782]
  本稿では,一定数の新規性を持つ状態空間を探索することを目的とした,新しい新規性手法,古典的カウントベースノベルティを提案する。 また,ノードによって一定サイズを刈り取ることで,一定サイズを維持したトリミングオープンリストの形で,新規なコントリビューションも導入する。
  論文  参考訳（メタデータ） (2024-08-25T04:25:10Z)
• Early Exit Strategies for Approximate k-NN Search in Dense Retrieval [10.48678957367324]
  アーリーエグジットのための最先端のA-kNNを構築し,忍耐の概念に基づく教師なし手法を提案する。 我々は,A-kNNの効率を最大5倍の高速化で向上すると同時に,無視可能な効率損失を達成できることを示す。
  論文  参考訳（メタデータ） (2024-08-09T10:17:07Z)
• Generation of Granular-Balls for Clustering Based on the Principle of Justifiable Granularity [51.58924743533048]
  本稿では,クラスタリングタスクのための新しいGB生成手法を紹介する。 GB のカバレッジと特異性を定義し,GB 品質を評価するための包括的尺度を導入する。 従来のGB生成手法と比較して、新しい手法は生成したGBの全体的な品質を最大化する。
  論文  参考訳（メタデータ） (2024-05-11T04:21:32Z)
• Hybrid Search for Efficient Planning with Completeness Guarantees [63.02803974708516]
  本稿では,離散的な行動空間における完全性を実現するために,部分ゴール探索法を効果的に拡張する手法を提案する。 このソリューションは、高レベルの探索の実践的効率と低レベルの探索の完全性という、両方の世界のベストを達成している。
  論文  参考訳（メタデータ） (2023-10-19T15:16:43Z)
• Hierarchical Topological Ordering with Conditional Independence Test for Limited Time Series [40.236595154429246]
  条件付き独立性テスト(HT-CIT)を用いた階層型トポロジカル順序付けアルゴリズムを提案する。 HT-CITアルゴリズムは、刈り取るべきエッジの数を大幅に削減する。 合成および実世界のデータセットから得られた実験結果は,提案したHT-CITアルゴリズムの優位性を示している。
  論文  参考訳（メタデータ） (2023-08-16T05:01:33Z)
• GBG++: A Fast and Stable Granular Ball Generation Method for Classification [18.611701583873504]
  グラニュラーボールコンピューティングは効率的で堅牢でスケーラブルな学習方法である。 既存のGBG法の安定性と効率をさらに改善する必要がある。 まず, 高速かつ安定なGBG (GBG++) 手法を提案する。
  論文  参考訳（メタデータ） (2023-05-29T04:00:19Z)
• Continuous Monte Carlo Graph Search [61.11769232283621]
  連続モンテカルログラフサーチ(Continuous Monte Carlo Graph Search, CMCGS)は、モンテカルログラフサーチ(MCTS)のオンラインプランニングへの拡張である。 CMCGSは、計画中、複数の州で同じ行動方針を共有することで高いパフォーマンスが得られるという洞察を生かしている。 並列化によってスケールアップすることができ、学習力学モデルによる連続制御においてクロスエントロピー法(CEM)よりも優れている。
  論文  参考訳（メタデータ） (2022-10-04T07:34:06Z)
• Parallel Training of GRU Networks with a Multi-Grid Solver for Long Sequences [1.9798034349981162]
  本稿では,GRU(Gated Recurrent Unit)ネットワークのための並列学習手法を提案する。 MGRITはシーケンスを複数の短いサブシーケンスに分割し、異なるプロセッサ上のサブシーケンスを並列に訓練する。 HMDB51データセットにおいて、各ビデオが画像シーケンスである実験結果から、新しい並列トレーニングスキームがシリアルアプローチよりも最大6.5$times$スピードアップを達成することを示した。
  論文  参考訳（メタデータ） (2022-03-07T11:32:44Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• A binary variant of gravitational search algorithm and its application to windfarm layout optimization problem [0.7734726150561088]
  本稿では, 2次探索空間 (BNAGGSA) のための GSA 内に, 重力定数を埋め込んだ新しい近傍アーカイブ (A novel neighborhood Archives embedded gravity constants) を提案する。 提案アルゴリズムは、エージェントが最適なステップサイズで最適な方向に移動する自己適応的なステップサイズ機構を生成する。 実世界の応用における提案アルゴリズムの適用性を確認するために,風向配置最適化の問題を検討する。
  論文  参考訳（メタデータ） (2021-07-25T16:56:19Z)
• Parallelizing Contextual Linear Bandits [82.65675585004448]
  並列な)コンテキスト線形バンディットアルゴリズムの族を提示し、その遺残はそれらの完全シーケンシャルなアルゴリズムとほぼ同一である。 また,これらの並列アルゴリズムについて,材料発見や生物配列設計の問題など,いくつかの領域で実証評価を行った。
  論文  参考訳（メタデータ） (2021-05-21T22:22:02Z)
• Improved Branch and Bound for Neural Network Verification via Lagrangian Decomposition [161.09660864941603]
  ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。 活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。 BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
  論文  参考訳（メタデータ） (2021-04-14T09:22:42Z)
• Secure Bilevel Asynchronous Vertical Federated Learning with Backward Updating [159.48259714642447]
  垂直拡張学習(VFL)は、多人数協調モデリングの要求とプライバシー漏洩の懸念により、注目を集めている。 我々は,vf$b2$を含む3つの新しいアルゴリズムを提案する新しいbftextlevel parallel architecture (vf$bfb2$)を提案する。
  論文  参考訳（メタデータ） (2021-03-01T12:34:53Z)
• Privacy-Preserving Asynchronous Federated Learning Algorithms for Multi-Party Vertically Collaborative Learning [151.47900584193025]
  本稿では,非同期フェデレーションSGD(AFSGD-VP)アルゴリズムとその垂直分割データ上でのSVRGおよびSAGA変種を提案する。 我々の知る限り、AFSGD-VPとそのSVRGおよびSAGAの変種は、垂直に分割されたデータのための最初の非同期フェデレーション学習アルゴリズムである。
  論文  参考訳（メタデータ） (2020-08-14T08:08:15Z)
• Best-First Beam Search [78.71330480725668]
  本研究では,ビームサーチの標準実装を10倍高速に実現可能であることを示す。 ダウンストリーム性能の面でも同様に有益な探索バイアスを有するBest-First Beam Searchのメモリ再生版を提案する。
  論文  参考訳（メタデータ） (2020-07-08T05:56:01Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)

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。