Fugu-MT 論文翻訳(概要): Decoupling Generation and Evaluation for Parallel Greedy Best-First Search(extended version)

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

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)
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)
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)
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)

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。