論文の概要: Memory-Guided Trust-Region Bayesian Optimization (MG-TuRBO) for High Dimensions

• arxiv url: http://arxiv.org/abs/2604.08569v1
• Date: Wed, 25 Mar 2026 18:51:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.434459
• Title: Memory-Guided Trust-Region Bayesian Optimization (MG-TuRBO) for High Dimensions
• Title（参考訳）: 高次元記憶誘導信頼度ベイズ最適化(MG-TuRBO)
• Authors: Abhilasha Saroj, Shaked Regev, Guanhao Xu, Jinghui Yuan, Roy Luo, Ross Wang,
• Abstract要約: 交通シミュレーションとデジタルツインキャリブレーションは、限られた予算で最適化が難しい問題である。 一般的な自動校正法とBOMの適応戦略を比較した。 その結果,MG-TuRBOはシミュレーションキャリブレーションのキャリブレーションのキャリブレーション問題に特に有用であることが示唆された。
• 参考スコア（独自算出の注目度）: 2.5029761165485827
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traffic simulation and digital-twin calibration is a challenging optimization problem with a limited simulation budget. Each trial requires an expensive simulation run, and the relationship between calibration inputs and model error is often nonconvex, and noisy. The problem becomes more difficult as the number of calibration parameters increases. We compare a commonly used automatic calibration method, a genetic algorithm (GA), with Bayesian optimization methods (BOMs): classical Bayesian optimization (BO), Trust-Region BO (TuRBO), Multi-TuRBO, and a proposed Memory-Guided TuRBO (MG-TuRBO) method. We compare performance on 2 real-world traffic simulation calibration problems with 14 and 84 decision variables, representing lower- and higher-dimensional (14D and 84D) settings. For BOMs, we study two acquisition strategies, Thompson sampling and a novel adaptive strategy. We evaluate performance using final calibration quality, convergence behavior, and consistency across runs. The results show that BOMs reach good calibration targets much faster than GA in the lower-D problem. MG-TuRBO performs comparably in our 14D setting, it demonstrates noticeable advantages in the 84D problem, particularly when paired with our adaptive strategy. Our results suggest that MG-TuRBO is especially useful for high-D traffic simulation calibration and potentially for high-D problems in general.
• Abstract（参考訳）: 交通シミュレーションとデジタルツインキャリブレーションは,シミュレーション予算が限られているため,最適化が難しい問題である。 それぞれの試行は高価なシミュレーション実行を必要とし、キャリブレーション入力とモデルエラーの関係はしばしば非凸でノイズが多い。 キャリブレーションパラメータの数が増加するにつれて問題はさらに難しくなる。 本稿では,一般的な自動校正法,GAとベイズ最適化法(BOM)を比較し,古典的ベイズ最適化法(BO),Trust-Region BO法(TuRBO),Multi-TuRBO法(MG-TuRBO法)を提案する。 実世界の交通シミュレーションのキャリブレーション問題を14と84の判定変数で比較し、低次元と高次元(14Dと84D)の設定を示す。 BOMに対して、トンプソンサンプリングと新しい適応戦略の2つの獲得戦略について検討する。 最終校正品質,収束挙動,実行時の整合性を用いて性能を評価する。 その結果, BOMのキャリブレーション精度は, 低次元問題ではGAよりも遥かに速いことがわかった。 MG-TuRBOは、我々の14D設定で比較可能であり、特に適応戦略と組み合わせた場合、84D問題において顕著な利点を示す。 この結果から,MG-TuRBOは特に高次元交通シミュレーションのキャリブレーションに有用であり,一般に高次元問題に有用であることが示唆された。

関連論文リスト

• ECO: Quantized Training without Full-Precision Master Weights [58.97082407934466]
  Error-Compensating (ECO)は、量子化されたパラメータに直接更新を適用することで、マスターウェイトを除去する。 ECO は最適値の定数半径近傍に収束するが、素早いマスターウェイト除去は学習率に逆比例する誤差を生じさせる。
  論文  参考訳（メタデータ） (2026-01-29T18:35:01Z)
• Heteroscedastic Bayesian Optimization-Based Dynamic PID Tuning for Accurate and Robust UAV Trajectory Tracking [12.655695094805159]
  HBO-PID は Heteroscedastic Bayesian Optimization フレームワークと古典的なコントローラを統合する新しい制御アルゴリズムである。 位置精度は24.7%から42.9%向上し、角精度は40.9%から78.4%向上した。
  論文  参考訳（メタデータ） (2025-12-30T14:21:17Z)
• Hyperparameter Transfer Enables Consistent Gains of Matrix-Preconditioned Optimizers Across Scales [55.91454326946738]
  学習速度と減量率の最適化は,幅広い言語に対して,モデルの幅と深さでどのようにスケールするかを検討する。 我々は、$Pによる学習率のスケーリングは転送を改善するが、それでもかなりの有限幅偏差に悩まされる可能性があることを見出した。 計算-最適スケーリングでは、独立したウェイト崩壊が1/mathrmwidth$で言語間でほぼ最適であることが分かる。
  論文  参考訳（メタデータ） (2025-12-05T11:03:41Z)
• Parallel Bayesian Optimization Using Satisficing Thompson Sampling for Time-Sensitive Black-Box Optimization [0.0]
  本稿では,Thompsonサンプリングに基づく並列BO手法を提案する。 ターゲットを最適なソリューションから、学習しやすい満足できるソリューションにシフトします。 リチウムイオン電池の高速充電設計問題に対して提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-10-19T07:03:51Z)
• Fine-Tuning Language Models with Just Forward Passes [92.04219196752007]
  微調整言語モデル(LM)は、様々な下流タスクで成功したが、LMのサイズが大きくなるにつれて、バックプロパゲーションは大量のメモリを必要とする。 本稿では,メモリ効率の高いゼロソーダ(MeZO)を提案する。
  論文  参考訳（メタデータ） (2023-05-27T02:28:10Z)
• Adaptive Calibrator Ensemble for Model Calibration under Distribution Shift [23.794897699193875]
  アダプティブ・キャリブレータ・アンサンブル(ACE)は、通常はキャリブレーション・セットよりも難しいOODデータセットをキャリブレーション・セットに分類する。 ACEは一般に、一連のOODベンチマークにおけるいくつかの最先端のキャリブレーション方式の性能を改善している。
  論文  参考訳（メタデータ） (2023-03-09T15:22:02Z)
• MOISST: Multimodal Optimization of Implicit Scene for SpatioTemporal calibration [4.405687114738899]
  コンピュータグラフィックスと暗黙のボリュームシーン表現の最近の進歩を利用して、マルチセンサ空間と時間的キャリブレーションの問題に取り組む。 本手法は,非制御・非構造都市環境におけるデータからの高精度でロバストなキャリブレーションを可能にする。 本研究では,都市部における自律走行シナリオにおける手法の精度とロバスト性を実証する。
  論文  参考訳（メタデータ） (2023-03-06T11:59:13Z)
• Multipoint-BAX: A New Approach for Efficiently Tuning Particle Accelerator Emittance via Virtual Objectives [47.52324722637079]
  マルチポイントクエリにおけるブラックボックス最適化のための情報理論アルゴリズムであるMultipoint-BAXを提案する。 我々はマルチポイントBAXを用いてLinac Coherent Light Source(LCLS)とAdvanced Accelerator Experimental Tests II(FACET-II)の発光を最小化する。
  論文  参考訳（メタデータ） (2022-09-10T04:01:23Z)
• 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)

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。