Fugu-MT 論文翻訳(概要): A Case Study on Numerical Analysis of a Path Computation Algorithm

論文の概要: A Case Study on Numerical Analysis of a Path Computation Algorithm

arxiv url: http://arxiv.org/abs/2411.14372v1
Date: Thu, 21 Nov 2024 18:08:34 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-22 15:20:08.639307
Title: A Case Study on Numerical Analysis of a Path Computation Algorithm
Title（参考訳）: 経路計算アルゴリズムの数値解析に関する一検討
Authors: Grégoire Boussu, Nikolai Kosmatov, Franck Védrine,
Abstract要約: 制御ソフトウェアにおける数値精度の欠如は、コストや破滅的な結果につながる可能性がある。プログラム計算の精度を分析するための様々なツールが提案されている。
参考スコア（独自算出の注目度）: 0.5543867614999909
License:
Abstract: Lack of numerical precision in control software -- in particular, related to trajectory computation -- can lead to incorrect results with costly or even catastrophic consequences. Various tools have been proposed to analyze the precision of program computations. This paper presents a case study on numerical analysis of an industrial implementation of the fast marching algorithm, a popular path computation algorithm frequently used for trajectory computation. We briefly describe the selected tools, present the applied methodology, highlight some attention points, summarize the results and outline future work directions.
Abstract（参考訳）: 制御ソフトウェアにおける数値精度の欠如(特に軌道計算に関連する)は、コストのかかる結果や破滅的な結果の誤った結果につながる可能性がある。プログラム計算の精度を分析するための様々なツールが提案されている。本稿では,高速マーチングアルゴリズムの産業的実装の数値解析を事例として,軌道計算によく用いられる一般的な経路計算アルゴリズムを提案する。選択したツールを簡潔に記述し、適用方法を示し、いくつかの注意点を強調し、結果を要約し、今後の作業の方向性を概説する。

関連論文リスト

Design Space Exploration of Approximate Computing Techniques with a Reinforcement Learning Approach [49.42371633618761]
精度劣化と消費電力と計算時間短縮のバランスをとるアプリケーションの近似バージョンを見つけるためのRLベースの戦略を提案する。実験結果から,いくつかのベンチマークにおいて,精度劣化と消費電力減少と計算時間との良好なトレードオフが示された。
論文参考訳（メタデータ） (2023-12-29T09:10:40Z)
From Conception to Deployment: Intelligent Stroke Prediction Framework using Machine Learning and Performance Evaluation [0.0]
本稿では,文献における機械学習予測アルゴリズムの批判的検証に基づく知的脳卒中予測フレームワークを提案する。脳卒中予測に最も使用される5つの機械学習アルゴリズムは、客観的比較のための統合された設定を用いて評価される。解析と数値計算の結果から,ランダムフォレストアルゴリズムは脳卒中予測に最適であることがわかった。
論文参考訳（メタデータ） (2023-04-01T07:11:31Z)
Quantum-Enhanced Topological Data Analysis: A Peep from an Implementation Perspective [22.137388773023854]
本稿では,ベッチ数を計算するアルゴリズムの実装について述べる。選択した量子アルゴリズムのステップバイステップ命令と、機械学習タスクにどのように使用できるかという側面を提供する。我々は、分類にベッチ数を用いる際の奨励的な結果を提供し、量子アルゴリズムの結果に対するショット数と精度キュービットの影響を予備分析する。
論文参考訳（メタデータ） (2023-02-19T12:18:13Z)
Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-05-06T13:18:31Z)
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)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
A Fresh Approach to Evaluate Performance in Distributed Parallel Genetic Algorithms [5.375634674639956]
本研究は,多集団並列遺伝的アルゴリズム(PGA)の行動評価と解析のための新しいアプローチを提案する。特に,観測された性能曲線を表す数学的モデルを提案することにより,それらの数値的および計算的挙動を深く研究する。実際の数値とそれに適合する数値モデルに基づく結論は、彼らのスピードアップ、実行時間、数値的な努力を理解するための新しい方法を表している。
論文参考訳（メタデータ） (2021-06-18T05:07:14Z)
Quantum Algorithms for Data Representation and Analysis [68.754953879193]
機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
論文参考訳（メタデータ） (2021-04-19T00:41:43Z)
Beyond the Worst-Case Analysis of Algorithms (Introduction) [13.965228845332865]
最悪のケース分析では、与えられたサイズの入力に対して、アルゴリズムのパフォーマンスプロファイルを最悪のパフォーマンスで要約する。この章では、本書の後半で詳細に議論されている最悪のケース分析のいくつかの選択肢について調査する。
論文参考訳（メタデータ） (2020-07-26T23:18:19Z)
Coded Distributed Computing with Partial Recovery [56.08535873173518]
部分回復型符号化計算(CCPR)と呼ばれる新しい符号化行列ベクトル乗法を導入する。 CCPRは計算時間と復号化の複雑さを減らし、精度と計算速度のトレードオフを可能にする。次に、この手法をより一般的な計算タスクの分散実装に拡張し、部分的回復を伴う符号化通信方式を提案する。
論文参考訳（メタデータ） (2020-07-04T21:34:49Z)
Approximation Algorithms for Sparse Principal Component Analysis [57.5357874512594]
主成分分析(PCA)は、機械学習と統計学において広く使われている次元削減手法である。スパース主成分分析(Sparse principal Component Analysis)と呼ばれる,スパース主成分負荷を求める様々な手法が提案されている。本研究では,SPCA問題に対するしきい値の精度,時間,近似アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-23T04:25:36Z)

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。