論文の概要: Hub-Aware Hybrid Search: Accelerating the Locally Aligned Ant Technique

• arxiv url: http://arxiv.org/abs/2606.06198v1
• Date: Thu, 04 Jun 2026 14:04:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.840802
• Title: Hub-Aware Hybrid Search: Accelerating the Locally Aligned Ant Technique
• Title（参考訳）: Hub-Aware Hybrid Search: 局所的にアライメントされたAntテクニックの高速化
• Authors: Simone Vilardi, Reynier Peletier, Felipe Contreras, Kerstin Bunte,
• Abstract要約: ノイズの多い高次元の点雲で多様体構造を見つけることは難しいが重要な問題である。 LAAT(Locally Aligned Ant Technique)は、生物学的にインスパイアされたエージェントを用いて、暗く多次元構造を効率的に回収する。 宇宙ウェブの大規模なN体シミュレーションにより,LAATの検出効率とロバスト性の向上を実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Finding manifold structures in noisy and high-dimensional point clouds is a challenging but important problem. In astronomical observation survey and simulation data the detection of filaments, streams (1D), walls (2D) and clusters (3D) gives rise to deeper understanding of the evolution of our universe. The Locally Aligned Ant Technique (LAAT) uses biologically inspired agents to efficiently recover faint and multidimensional structures. However, very dense hubs (e.g. nodes or globular clusters) dominate the ants' activity, creating unnecessary computational overheads. In this paper we propose a two-stage solution. First a fast preprocessing step locates the hubs and replaces them with a tailored likelihood model. Subsequently, a mixed likelihood-pheromone strategy guides the ants to efficiently bridge the dense regions. We demonstrate improvements in detection efficiency and robustness of LAAT with synthetic and a large-scale astronomical N-body simulation of the cosmic web.
• Abstract（参考訳）: ノイズの多い高次元の点雲で多様体構造を見つけることは難しいが重要な問題である。 天文学的な観測とシミュレーションデータでは、フィラメント、ストリーム(1D)、壁(2D)、クラスタ(3D)が検出され、宇宙の進化の深い理解がもたらされる。 LAAT(Locally Aligned Ant Technique)は、生物学的にインスパイアされたエージェントを用いて、暗く多次元構造を効率的に回収する。 しかし、非常に密度の高いハブ(例えば、ノードや球状クラスター)がアリの活動を支配し、不要な計算オーバーヘッドを生み出している。 本稿では,2段階の解法を提案する。 まず、高速な前処理ステップがハブを見つけ出し、それをカスタマイズされた可能性モデルで置き換える。 その後、混成準フェロモン戦略がアリを誘導し、密度の高い領域を効率的に橋渡しする。 宇宙ウェブの大規模なN体シミュレーションにより,LAATの検出効率とロバスト性の向上を実証した。

関連論文リスト

• Generative Diffusion Priors for 3D Mapping of the Dark Universe [9.150017776789321]
  弱いレンズの観測からダークマターの3次元分布を再構築することは、宇宙論における中心的だが非常に不適切な逆問題である。 これにより、宇宙時間でダークマター構造の完全な3D分布をキャプチャする前に、データ駆動拡散モデルを学ぶことができます。 現代の弱レンズ調査を対象とする現実的なシミュレーションでは,ベースライン法よりも大幅に改良された2次元および3次元再構成精度が得られた。
  論文  参考訳（メタデータ） (2026-05-30T16:42:15Z)
• Galaxy Walker: Geometry-aware VLMs For Galaxy-scale Understanding [19.49455523407794]
  宇宙レベルの視覚理解タスクのための幾何学的視覚言語モデルであるGalaxy-Walkerを紹介する。 Galaxy-Walkerは、銀河特性の推定と形態分類のタスクで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-24T11:35:56Z)
• Hyperbolic Fine-tuning for Large Language Models [56.54715487997674]
  本研究では,大規模言語モデル(LLM)の非ユークリッド的特徴について検討する。 トークン埋め込みは高い双曲性を示し,埋め込み空間に木のような構造が潜んでいることを示す。 双曲的低ランク効率微調整法HypLoRAを導入し, 双曲的多様体上で直接低ランク適応を行う。
  論文  参考訳（メタデータ） (2024-10-05T02:58:25Z)
• Active search and coverage using point-cloud reinforcement learning [50.741409008225766]
  本稿では,目的探索とカバレッジのためのエンドツーエンドの深層強化学習ソリューションを提案する。 RLの深い階層的特徴学習は有効であり、FPS(Fastthest Point sample)を用いることで点数を削減できることを示す。 また、ポイントクラウドに対するマルチヘッドの注意がエージェントの学習を高速化する上で有効であるが、同じ結果に収束することを示す。
  論文  参考訳（メタデータ） (2023-12-18T18:16:30Z)
• Semi-Supervised Domain Adaptation for Cross-Survey Galaxy Morphology Classification and Anomaly Detection [57.85347204640585]
  We developed a Universal Domain Adaptation method DeepAstroUDA。 異なるタイプのクラスオーバーラップしたデータセットに適用することができる。 初めて、我々は2つの非常に異なる観測データセットに対するドメイン適応の有効利用を実演した。
  論文  参考訳（メタデータ） (2022-11-01T18:07:21Z)
• Demystifying Map Space Exploration for NPUs [4.817475305740601]
  Map Space Explorationは、Deep Neural Network(DNN)モデルの最適化されたマッピングを見つける問題である。 我々は、異なるマッパーが活用する検索技術について、第一級のリンゴとアプリの比較を行う。 次に,既存のマッパーを拡張できる2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-10-07T17:58:45Z)
• Searching a High-Performance Feature Extractor for Text Recognition Network [92.12492627169108]
  優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。 空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。 本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T03:49:04Z)
• Continuous Ant-Based Neural Topology Search [62.200941836913586]
  この研究は、アリコロニー最適化に基づく、自然に着想を得たニューラルアーキテクチャサーチ(NAS)アルゴリズムを導入している。 連続アントベースのニューラルトポロジーサーチ(CANTS)は、アリが現実世界でどのように動くかに強く影響を受けている。
  論文  参考訳（メタデータ） (2020-11-21T17:49:44Z)
• Cross-Modality 3D Object Detection [63.29935886648709]
  本稿では,3次元物体検出のための新しい2段階多モード融合ネットワークを提案する。 アーキテクチャ全体が2段階の融合を促進する。 KITTIデータセットを用いた実験により,提案したマルチステージ融合により,ネットワークがより良い表現を学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-08-16T11:01:20Z)

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。