論文の概要: Ranking and Selection with Simultaneous Input Data Collection

• arxiv url: http://arxiv.org/abs/2503.11773v1
• Date: Fri, 14 Mar 2025 18:04:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:33:37.349781
• Title: Ranking and Selection with Simultaneous Input Data Collection
• Title（参考訳）: 同時入力データ収集によるランク付けと選択
• Authors: Yuhao Wang, Enlu Zhou,
• Abstract要約: 本稿では,ストリーミング入力データに基づくランキングと選択の新たな定式化を提案する。 我々は、不均一な入力分布で生成されるシミュレーション出力を時間とともに集約し、性能推定器を構成する。
• 参考スコア（独自算出の注目度）: 6.883124324171223
• License:
• Abstract: In this paper, we propose a general and novel formulation of ranking and selection with the existence of streaming input data. The collection of multiple streams of such data may consume different types of resources, and hence can be conducted simultaneously. To utilize the streaming input data, we aggregate simulation outputs generated under heterogeneous input distributions over time to form a performance estimator. By characterizing the asymptotic behavior of the performance estimators, we formulate two optimization problems to optimally allocate budgets for collecting input data and running simulations. We then develop a multi-stage simultaneous budget allocation procedure and provide its statistical guarantees such as consistency and asymptotic normality. We conduct several numerical studies to demonstrate the competitive performance of the proposed procedure.
• Abstract（参考訳）: 本稿では,ストリーミング入力データの存在を考慮したランキングとセレクションの汎用的で斬新な定式化を提案する。 このようなデータの複数のストリームの収集は、異なるタイプのリソースを消費する可能性があるため、同時に実行できる。 ストリーミング入力データを利用するために、不均一な入力分布で生成されたシミュレーション出力を時間をかけて集約し、性能推定器を構成する。 性能推定器の漸近挙動を特徴付けることにより、2つの最適化問題を定式化し、入力データ収集やシミュレーションの実行に最適な予算を割り当てる。 次に,多段階同時予算配分手法を開発し,整合性や漸近的正規性などの統計的保証を提供する。 提案手法の競争性能を示すために,いくつかの数値解析を行った。

関連論文リスト

• An Agglomerative Clustering of Simulation Output Distributions Using Regularized Wasserstein Distance [0.0]
  本稿では,正規化ワッサーシュタイン距離をクラスタシミュレーション出力に利用した新しいクラスタリングアルゴリズムを提案する。 このフレームワークには、異常検出、事前最適化、オンライン監視など、いくつかの重要なユースケースがある。
  論文  参考訳（メタデータ） (2024-07-16T18:07:32Z)
• Generative Assignment Flows for Representing and Learning Joint Distributions of Discrete Data [2.6499018693213316]
  離散確率変数の結合確率分布の表現のための新しい生成モデルを提案する。 このアプローチでは、分解分布の統計部分多様体上のランダム化代入フローによる測度輸送を用いる。
  論文  参考訳（メタデータ） (2024-06-06T21:58:33Z)
• Align Your Steps: Optimizing Sampling Schedules in Diffusion Models [63.927438959502226]
  拡散モデル(DM)は、視覚領域以降における最先端の生成モデリングアプローチとして確立されている。 DMの重大な欠点は、サンプリング速度の遅いことであり、大規模なニューラルネットワークによる多くのシーケンシャルな関数評価に依存している。 本稿では,DMのサンプリングスケジュールを高品質な出力に最適化する汎用的,原理的な手法を提案する。
  論文  参考訳（メタデータ） (2024-04-22T18:18:41Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Experiment Planning with Function Approximation [49.50254688629728]
  本研究では,文脈的帯域幅問題における関数近似を用いた実験計画の問題点について検討する。 本稿では,関数近似に適合する2つの実験計画戦略を提案する。 そこで, 均一サンプリング器は, 動作数が少ない設定において, 競合最適性を達成できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T14:40:23Z)
• Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
  1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。 マルチモーダルデータに適した深層学習一クラス分類法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T12:31:18Z)
• Active Learning for Regression with Aggregated Outputs [28.40183946090337]
  本稿では,ラベル付き集合を逐次選択し,ラベル付き集合を減らして予測性能を向上させる能動的学習法を提案する。 種々のデータセットを用いた実験により,提案手法は既存の手法よりもラベル付き集合が少なく,予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2022-10-04T02:45:14Z)
• Distribution Regression for Sequential Data [20.77698059067596]
  入力が複雑なデータストリームである分散回帰のための厳密なフレームワークを開発する。 機能ベースとカーネルベースという2つの新しい学習手法を導入する。
  論文  参考訳（メタデータ） (2020-06-10T12:47:23Z)
• Bayesian Optimisation vs. Input Uncertainty Reduction [1.0497128347190048]
  そこで本研究では,シミュレーションと実データ収集のトレードオフを考慮し,真の入力によるシミュレータの最適解を求める。 本稿では,ベイズ情報収集と最適化という,統一的なシミュレーション最適化手法を提案する。
  論文  参考訳（メタデータ） (2020-05-31T23:42:22Z)
• Creating Synthetic Datasets via Evolution for Neural Program Synthesis [77.34726150561087]
  いくつかのプログラム合成手法は、ランダムに生成された例と異なるデータ分布によく一般化されていることを示す。 本稿では, 合成データ分布のバイアスを制御し, 現在の手法より優れていることを示すための, 新たな敵対的手法を提案する。
  論文  参考訳（メタデータ） (2020-03-23T18:34:15Z)
• Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
  我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。 我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。 また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
  論文  参考訳（メタデータ） (2020-02-16T09:01:18Z)

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。