論文の概要: MathOptAI.jl: Embed trained machine learning predictors into JuMP models
- arxiv url: http://arxiv.org/abs/2507.03159v1
- Date: Thu, 03 Jul 2025 20:32:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.600638
- Title: MathOptAI.jl: Embed trained machine learning predictors into JuMP models
- Title（参考訳）: MathOptAI.jl:JuMPモデルに機械学習予測器を組み込む
- Authors: Oscar Dowson, Robert B Parker, Russel Bent,
- Abstract要約: textttMathOptAI.jlは、訓練された機械学習予測をJuMPモデルに組み込むためのオープンソースのJuliaライブラリである。
textttMathOptAI.jlはJuliaのPythonインターフェイスを使用してPyTorchモデルをサポートする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present \texttt{MathOptAI.jl}, an open-source Julia library for embedding trained machine learning predictors into a JuMP model. \texttt{MathOptAI.jl} can embed a wide variety of neural networks, decision trees, and Gaussian Processes into a larger mathematical optimization model. In addition to interfacing a range of Julia-based machine learning libraries such as \texttt{Lux.jl} and \texttt{Flux.jl}, \texttt{MathOptAI.jl} uses Julia's Python interface to provide support for PyTorch models. When the PyTorch support is combined with \texttt{MathOptAI.jl}'s gray-box formulation, the function, Jacobian, and Hessian evaluations associated with the PyTorch model are offloaded to the GPU in Python, while the rest of the nonlinear oracles are evaluated on the CPU in Julia. \MathOptAI is available at https://github.com/lanl-ansi/MathOptAI.jl under a BSD-3 license.
- Abstract（参考訳）: 我々は、訓練された機械学習予測器をJuMPモデルに組み込むための、オープンソースのJuliaライブラリである‘texttt{MathOptAI.jl}を提示する。
\texttt{MathOptAI.jl} は、様々なニューラルネットワーク、決定木、ガウス過程をより大きな数学的最適化モデルに組み込むことができる。
さまざまなJuliaベースの機械学習ライブラリ、例えば \texttt{Lux.jl} や \texttt{Flux.jl} と対面するだけでなく、 \texttt{MathOptAI.jl} はJuliaのPythonインターフェイスを使用してPyTorchモデルをサポートする。
PyTorch のサポートを \texttt{MathOptAI.jl} のグレーボックスの定式化と組み合わせると、PyTorch モデルに関連する関数、Jacobian および Hessian の評価は Python の GPU にオフロードされ、残りの非線形オラクルは Julia の CPU 上で評価される。
MathOptAIはBSD-3ライセンスの下でhttps://github.com/lanl-ansi/MathOptAI.jlで入手できる。
関連論文リスト
- PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。
PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。
PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文 参考訳（メタデータ） (2024-12-09T11:00:55Z) - ml_edm package: a Python toolkit for Machine Learning based Early Decision Making [0.43363943304569713]
textttml_edmは、時間/シーケンスデータを含む学習タスクの早期決定のために設計されたPython 3ライブラリである。
textttscikit-learnは、textttml_edmと互換性のある推定器とパイプラインを作成する。
論文 参考訳（メタデータ） (2024-08-23T09:08:17Z) - PyMarian: Fast Neural Machine Translation and Evaluation in Python [11.291502854418098]
シーケンス・ツー・シーケンス・モデルのための C++ ベースのトレーニングおよび推論ツールキットである Marian NMT に Python インタフェースを記述した。
このインターフェースにより、Marianでトレーニングされたモデルが、Pythonで利用可能なリッチで幅広いツールに接続できるようになる。
論文 参考訳（メタデータ） (2024-08-15T01:41:21Z) - depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers [92.13613958373628]
textttdepyfは、PyTorchコンパイラの内部動作を復号化するためのツールである。
textttdepyfは、PyTorchが生成したバイトコードを等価なソースコードに逆コンパイルする。
論文 参考訳（メタデータ） (2024-03-14T16:17:14Z) - TopoX: A Suite of Python Packages for Machine Learning on Topological Domains [89.43928198132942]
TopoXはPythonのソフトウェアスイートで、トポロジ上のコンピューティングと機械学習のための信頼性とユーザフレンドリなビルディングブロックを提供する。
TopoXは、TopoNetX、TopoEmbedX、TopoModelXの3つのパッケージで構成されている。
論文 参考訳（メタデータ） (2024-02-04T10:41:40Z) - pgmpy: A Python Toolkit for Bayesian Networks [0.26651200086513094]
pgmpyは、構造学習、パラメータ推定、近似と正確な推論、因果推論、シミュレーションのためのアルゴリズムを実装するピソンパッケージである。
pgmpyはMITライセンス下でリリースされている。
論文 参考訳（メタデータ） (2023-04-17T22:17:53Z) - PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。
PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。
PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
論文 参考訳（メタデータ） (2022-01-12T07:32:36Z) - Using Python for Model Inference in Deep Learning [0.6027358520885614]
pythonで推論を実行しながら、パフォーマンスとパッケージングの制約を満たす方法を示します。
複数のPythonインタプリタを単一のプロセスで使用して,スケーラブルな推論を実現する方法を提案する。
論文 参考訳（メタデータ） (2021-04-01T04:48:52Z)
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。