Fugu-MT 論文翻訳(概要): Experimental Design Using Interlacing Polynomials

論文の概要: Experimental Design Using Interlacing Polynomials

arxiv url: http://arxiv.org/abs/2410.11390v1
Date: Tue, 15 Oct 2024 08:33:29 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-16 14:03:22.087686
Title: Experimental Design Using Interlacing Polynomials
Title（参考訳）: インターレースポリノミアルを用いた実験設計
Authors: Lap Chi Lau, Robert Wang, Hong Zhou,
Abstract要約: 本稿では, インターレース手法を用いた実験設計問題に対する統一的決定論的アプローチを提案する。本フレームワークは,D/A/E設計問題に対して,簡単な解析により最もよく知られた近似保証を復元する。
参考スコア（独自算出の注目度）: 8.700549986258137
License:
Abstract: We present a unified deterministic approach for experimental design problems using the method of interlacing polynomials. Our framework recovers the best-known approximation guarantees for the well-studied D/A/E-design problems with simple analysis. Furthermore, we obtain improved non-trivial approximation guarantee for E-design in the challenging small budget regime. Additionally, our approach provides an optimal approximation guarantee for a generalized ratio objective that generalizes both D-design and A-design.
Abstract（参考訳）: 多項式をインターレースする方法を用いた実験設計問題に対する統一的決定論的アプローチを提案する。本フレームワークは,D/A/E-Design問題に対する最もよく知られた近似保証を,簡単な解析で回収する。さらに、我々は、E-Designの非自明な近似を、挑戦的な小予算体制で改善する。さらに,本手法はD-DesignとA-Designの両方を一般化する一般化比の目的に対して最適近似を保証する。

関連論文リスト

Variational Sequential Optimal Experimental Design using Reinforcement Learning [0.0]
ベイジアン・フレームワークと情報ゲイン・ユーティリティを用いた有限列実験を最適に設計する新しい手法である変分逐次最適実験設計(vsOED)を導入する。以上の結果から,従来の逐次設計アルゴリズムと比較して,サンプル効率が大幅に向上し,前方モデルシミュレーションの数が減少したことが示唆された。
論文参考訳（メタデータ） (2023-06-17T21:47:19Z)
Best-Effort Adaptation [62.00856290846247]
本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
論文参考訳（メタデータ） (2023-05-10T00:09:07Z)
Robust A-Optimal Experimental Design for Bayesian Inverse Problems [0.0]
最適設計は、逆問題の要素の項で定式化される事前定義されたユーティリティ関数を最大化する。本研究はベイズ逆問題に対する最適実験設計スキームを設計するための効率的なアルゴリズム的アプローチを提案する。
論文参考訳（メタデータ） (2023-05-05T21:43:00Z)
Design Amortization for Bayesian Optimal Experimental Design [70.13948372218849]
予測情報ゲイン(EIG)のバウンダリに関してパラメータ化された変分モデルを最適化する。実験者が1つの変分モデルを最適化し、潜在的に無限に多くの設計に対してEIGを推定できる新しいニューラルアーキテクチャを提案する。
論文参考訳（メタデータ） (2022-10-07T02:12:34Z)
Optimizing Sequential Experimental Design with Deep Reinforcement Learning [7.589363597086081]
我々は、ポリシーを最適化する問題は、マルコフ決定プロセス(MDP)の解決に還元できることを示した。また,本手法はデプロイ時に計算効率が高く,連続的かつ離散的な設計空間上での最先端性能を示す。
論文参考訳（メタデータ） (2022-02-02T00:23:05Z)
Inverse design of photonic devices with strict foundry fabrication constraints [55.41644538483948]
本稿では,ナノフォトニクス素子の逆設計法を提案し,設計が厳密な長さの制約を満たすことを保証した。本手法の性能と信頼性を,いくつかの共通集積フォトニック部品を設計することによって実証する。
論文参考訳（メタデータ） (2022-01-31T02:27:25Z)
Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。これらの問題に対する新規で簡単な最適化法を開発した。結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文参考訳（メタデータ） (2021-09-23T17:38:24Z)
Refined bounds for randomized experimental design [7.899055512130904]
実験的な設計は与えられた基準のための最もよい推定器を得るために与えられたセット間のサンプルを選ぶためのアプローチです。 EおよびG最適化設計におけるランダム化戦略の理論的保証を提案する。
論文参考訳（メタデータ） (2020-12-22T20:37:57Z)
Optimal Bayesian experimental design for subsurface flow problems [77.34726150561087]
本稿では,設計ユーティリティ機能のためのカオス拡張サロゲートモデル(PCE)の開発のための新しいアプローチを提案する。この手法により,対象関数に対する適切な品質応答面の導出が可能となり,計算予算は複数の単点評価に匹敵する。
論文参考訳（メタデータ） (2020-08-10T09:42:59Z)
High-Dimensional Robust Mean Estimation via Gradient Descent [73.61354272612752]
一定対向分数の存在下でのロバスト平均推定の問題は勾配降下によって解けることを示す。我々の研究は、近辺の非補題推定とロバスト統計の間の興味深い関係を確立する。
論文参考訳（メタデータ） (2020-05-04T10:48:04Z)

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。