論文の概要: Revealing Domain-Spatiality Patterns for Configuration Tuning: Domain Knowledge Meets Fitness Landscapes

• arxiv url: http://arxiv.org/abs/2603.19897v2
• Date: Mon, 23 Mar 2026 15:51:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 14:46:12.199306
• Title: Revealing Domain-Spatiality Patterns for Configuration Tuning: Domain Knowledge Meets Fitness Landscapes
• Title（参考訳）: 構成調整のためのドメイン空間パターンの探索--ドメイン知識とフィットネスランドスケープ
• Authors: Yulong Ye, Hongyuan Liang, Chao Jiang, Miqing Li, Tao Chen,
• Abstract要約: システムのブラックボックスの性質のため、構成チューニングの有効性には長い間謎がある。 本研究では,FLAから得られた空間情報とドメイン駆動分析を相乗化する2段階の方法論であるDomlandを提案する。 我々は9つのソフトウェアシステムと93のワークロードのケーススタディを行い、そこからいくつかの重要な発見を明らかにした。
• 参考スコア（独自算出の注目度）: 13.849213914922112
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Configuration tuning for better performance is crucial in quality assurance. Yet, there has long been a mystery on tuners' effectiveness, due to the black-box nature of configurable systems. Prior efforts predominantly adopt static domain analysis (e.g., static taint analysis), which often lacks generalizability, or dynamic data analysis (e.g., benchmarking performance analysis), limiting explainability. In this work, we embrace Fitness Landscape Analysis (FLA) as a bridge between domain knowledge and difficulty of the tuning. We propose Domland, a two-pronged methodology that synergizes the spatial information obtained from FLA and domain-driven analysis to systematically capture the hidden characteristics of configuration tuning cases, explaining how and why a tuner might succeed or fail. This helps to better interpret and contextualize the behavior of tuners and inform tuner design. To evaluate Domland, we conduct a case study of nine software systems and 93 workloads, from which we reveal several key findings: (1) configuration landscapes are inherently system-specific, with no single domain factor (e.g., system area, programming language, or resource intensity) consistently shaping their structure; (2) the core options (e.g., pic-struct of x264), which control the main functional flows, exert a stronger influence on landscape ruggedness (i.e. the difficulty of tuning) compared to resource options (e.g., cpu-independent of x264); (3) Workload effects on landscape structure are not uniformly tied to type or scale. Both contribute to landscape variations, but their impact is system-dependent.
• Abstract（参考訳）: パフォーマンス向上のための構成チューニングは品質保証に不可欠です。 しかし、構成可能なシステムのブラックボックスの性質のため、チューナーの有効性には長い間謎がある。 それまでの取り組みは主に静的ドメイン分析(例:静的なテナント分析)を採用していたが、これは多くの場合、一般化性や動的データ分析(例:ベンチマークパフォーマンス分析)に欠けており、説明可能性に制限がある。 本研究では、ドメイン知識とチューニングの難しさの間の橋渡しとして、FLA(Fitness Landscape Analysis)を採用する。 本研究では、FLAとドメイン駆動分析から得られた空間情報を相乗化して、構成調整ケースの隠れ特性を体系的に捉え、チューナーが成功するか失敗するかを説明する2つの手法であるDomlandを提案する。 これにより、チューナーの振る舞いをより理解し、文脈的に解釈し、チューナーの設計を知らせることができる。 ドムランドを評価するために、我々は、9つのソフトウェアシステムと93のワークロードのケーススタディを実施し、(1) 構成ランドスケープは本質的にシステム固有のものであり、単一のドメインファクタ(例えば、システム領域、プログラミング言語、またはリソース強度)が一貫した構造を持たないこと、(2) 主要な機能フローを制御するコアオプション(例えば、x264のピクチャ構造)は、リソースオプション(例えば、x264のcpu非依存)と比較してランドスケープの頑丈さに強く影響していること、(3) ランドスケープ構造に対するワークロードは、タイプやスケールに一様に結びついていないこと、などを明らかにした。 どちらも風景の変化に寄与するが、その影響はシステムに依存している。

関連論文リスト

• Explainable Swarm: A Methodological Framework for Interpreting Swarm Intelligence [5.095351428807715]
  本研究は、人気のあるSwarmアルゴリズムの1つであるParticle Swarm Optimizationについて、多面的な解釈可能性に関する調査を行う。 我々は、新しい機械学習アプローチを用いて、PSOにおける様々なトポロジとパラメータの役割を解釈可能で説明可能なフレームワークを提供する。 この研究は、Swarmトポロジが情報の流れ、多様性、収束にどのように影響するかを解読することに成功した。
  論文  参考訳（メタデータ） (2025-09-08T01:39:32Z)
• Empirical Investigation into Configuring Echo State Networks for Representative Benchmark Problem Domains [0.0]
  様々なパラメータ選択の影響と値調整,およびEcho State Networkへのアーキテクチャ変更は,現場での経験を伴わずに完全に理解することが困難である。 本稿では,Echo State Networkの性能が,アーキテクチャ,設計,パラメータ選択および値の変動に対してどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-08-14T17:55:47Z)
• Rethinking Performance Analysis for Configurable Software Systems: A Case Study from a Fitness Landscape Perspective [3.845572815195074]
  私たちはパフォーマンス分析を再考する新しい視点を提唱します -- 構成空間を構造化された風景としてモデル化します。 当社のフレームワークは,実システムの32ドル(約3,800円)のワークロードから,ベンチマークによる構成を86ドル(約8,800円)にします。
  論文  参考訳（メタデータ） (2024-12-22T06:51:33Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• Domain-Controlled Prompt Learning [49.45309818782329]
  既存の素早い学習方法はドメイン認識やドメイン転送機構を欠いていることが多い。 特定のドメインに対するtextbfDomain-Controlled Prompt Learningを提案する。 本手法は,特定の領域画像認識データセットにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-09-30T02:59:49Z)
• On Controller Tuning with Time-Varying Bayesian Optimization [74.57758188038375]
  制御対象とその変更に関する適切な事前知識を用いて、時間変化最適化(TVBO)を用いて、変更環境におけるコントローラのオンラインチューニングを行う。 本研究では,不確実性注入(UI)を用いたTVBO戦略を提案する。 我々のモデルはTVBOの最先端手法よりも優れており、後悔の軽減と不安定なパラメータ構成の低減を実現している。
  論文  参考訳（メタデータ） (2022-07-22T14:54:13Z)
• Cross-Domain Facial Expression Recognition: A Unified Evaluation Benchmark and Adversarial Graph Learning [85.6386289476598]
  我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。 我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-03T15:00:31Z)

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。