論文の概要: Representing the Non-dominated Set of Multi-objective Network Problems by Supported Non-dominated Points

• arxiv url: http://arxiv.org/abs/2607.11821v1
• Date: Mon, 13 Jul 2026 17:15:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.564291
• Title: Representing the Non-dominated Set of Multi-objective Network Problems by Supported Non-dominated Points
• Title（参考訳）: 支援された非支配点による多目的ネットワーク問題の非支配集合の表現
• Abstract要約: 多目的最適化では、サポートなしの非支配ポイントは一般的にサポート対象のポイントより多い。 極端に支持された非支配点が、ある二項問題に対して非支配集合の高品質な表現を提供することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In multi-objective combinatorial optimization, unsupported non-dominated points typically outnumber supported points and are often significantly more challenging to compute. Recent studies show that extreme supported non-dominated points provide high-quality representations of the non-dominated set for certain binary problems. We demonstrate that this observation does not generalize to capacitated network optimization problems: representation quality decreases with increasing arc capacities, whereas supported non-dominated points consistently provide high-quality representations with respect to several quality indicators. However, supported point sets may still be too large in practical applications, where only a small, fixed number of alternatives is typically desired. Selecting fixed-size representations from the non-dominated set requires its computationally expensive generation and thus diminishes the computational advantages that representations are intended to provide. We therefore suggest the (extreme) supported points as alternative candidate sets in subset selection problems. Our numerical results show that restricting the candidate set to supported non-dominated points yields fixed-size representations of nearly the same quality as those selected from the complete non-dominated set. Overall, supported non-dominated points serve both as high-quality representations and as reasonable candidate sets for subset selection.
• Abstract（参考訳）: 多目的組合せ最適化では、サポートなしの非支配点は通常、サポート対象の点よりも多く、計算しにくいことが多い。 最近の研究では、極端な支持された非支配点がある種の二項問題に対して非支配集合の高品質な表現をもたらすことが示されている。 この観測は, アーク容量の増加に伴って表現品質が低下するのに対して, サポートされた非支配ポイントは, 複数の品質指標に関して常に高品質な表現を提供する。 しかし、サポートされた点集合は実用アプリケーションでは大きすぎるかもしれない。 非支配集合から固定サイズ表現を選択するには、その計算に高価な生成が必要であり、したがって表現が提供しようとする計算上の優位性を低下させる。 したがって、部分集合選択問題における代替候補集合として(極限)支持点を提案する。 以上の結果から,非支配点に対する候補集合の制限は,完全非支配点から選択した集合とほぼ同じ品質の固定サイズ表現が得られることが示された。 全体として、支持される非支配点は、高品質な表現と、部分集合選択の合理的な候補セットとして機能する。

関連論文リスト

• Moving Beyond Diversity: Visual Token Pruning as Subspace Reconstruction for Efficient VLMs [7.371189496638082]
  本稿では,カラムサブセット選択問題としてトークンプルーニングを再構成する部分空間再構成手法であるSPAREを紹介する。 SPAREはタスクに強い利得を伴い、常に最先端のパフォーマンスを実現していることを示す。
  論文  参考訳（メタデータ） (2026-06-17T04:45:10Z)
• Superclass-Guided Representation Disentanglement for Spurious Correlation Mitigation [16.791911185682256]
  本稿では,クラスラベルに固有の意味構造を利用して,突発的特徴への依存を減らす手法を提案する。 我々のモデルは、事前学習された視覚言語モデルによって誘導される勾配に基づく注意力を用いて、超クラス関連と無関係の特徴を解き放つ。 提案手法は, ソースサンプルにアノテートすることなく, より複雑なスプリアス相関に頑健性を実現する。
  論文  参考訳（メタデータ） (2025-08-12T02:16:04Z)
• Speeding up Local Search for the Indicator-based Subset Selection Problem by a Candidate List Strategy [0.0]
  進化的多目的最適化において、指標に基づく部分集合選択問題は、与えられた品質指標を最大化する点の部分集合を見つけることである。 局所探索は、この問題における高品質な部分集合を得るための効果的なアプローチである。 本稿では,指標に基づくサブセット選択問題における局所探索のための候補リスト戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:49Z)
• Overcoming Support Dilution for Robust Few-shot Semantic Segmentation [97.87058176900179]
  Few-shot Semantic(FSS)は、限定的なサポートイメージを使用してクエリイメージに関連のないオブジェクトをセグメントする難しいタスクである。 近年のFSS法は, ショット数の増加にともなって, より悪化することが観察された。 本研究は,サポートダイゾリューションと呼ばれるこの課題について検討し,本研究の目的は,生のサポートプールにおいて,これらの高分散サポートを認識し,選択し,保存し,強化することである。
  論文  参考訳（メタデータ） (2025-01-23T10:26:48Z)
• Multitask Auxiliary Network for Perceptual Quality Assessment of Non-Uniformly Distorted Omnidirectional Images [31.032202503593897]
  非一様歪み全方位画像のためのマルチタスク補助ネットワークを提案する。 提案ネットワークは主に,ビューポートシーケンスからマルチスケール特徴を抽出するバックボーン,タスクごとに動的に特定特徴を割り当てるマルチタスク特徴選択モジュール,提案モデルを導く補助サブネットワークの3つの部分から構成される。 2つの大規模OIQAデータベースで実施された実験は、提案モデルが他の最先端のOIQA指標より優れていることを示した。
  論文  参考訳（メタデータ） (2025-01-20T14:41:29Z)
• Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
  本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。 本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。 また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
  論文  参考訳（メタデータ） (2024-05-17T07:23:27Z)
• On Distributed Larger-Than-Memory Subset Selection With Pairwise Submodular Functions [31.334053253182795]
  証明可能な近似保証付き分散バウンディングアルゴリズムを提案する。 CIFAR-100 と ImageNet の高品質なサブセットは,集中型手法と比較して,品質が損なわれるか,あるいは損なわれない。
  論文  参考訳（メタデータ） (2024-02-26T09:38:39Z)
• Simple Baselines for Projection-based Full-reference and No-reference Point Cloud Quality Assessment [60.2709006613171]
  投影型ポイントクラウド品質評価(PCQA)のための簡易ベースラインを提案する。 我々は、全参照(FR)タスクと非参照(NR)PCQAタスクの両方に対して、点雲から共通立方体状の投影プロセスによって得られる多重射影を用いる。 ICIP 2023 PCVQA Challengeに参加して,5トラック中4トラックで首位を獲得した。
  論文  参考訳（メタデータ） (2023-10-26T04:42:57Z)
• Subset Selection Based On Multiple Rankings in the Presence of Bias: Effectiveness of Fairness Constraints for Multiwinner Voting Score Functions [42.23968578772441]
  「品目の複数ランキングが与えられ、最高品質を選ぶこと」という部分選択の問題を考える。」 フェアネス制約が有効であるためには、異なるマルチウィンナースコア関数が大幅に異なるランキング数を必要とする可能性があることを示す。
  論文  参考訳（メタデータ） (2023-06-16T13:25:27Z)
• Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
  トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。 また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。 提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
  論文  参考訳（メタデータ） (2023-01-15T16:19:18Z)
• Sparse Quadratic Optimisation over the Stiefel Manifold with Application to Permutation Synchronisation [71.27989298860481]
  二次目的関数を最大化するスティーフェル多様体上の行列を求める非最適化問題に対処する。 そこで本研究では,支配的固有空間行列を求めるための,単純かつ効果的なスパーシティプロモーティングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-30T19:17:35Z)
• Ranking a set of objects: a graph based least-square approach [70.7866286425868]
  同一労働者の群集によるノイズの多いペアワイズ比較から始まる$N$オブジェクトのランク付けの問題について考察する。 品質評価のために,最小二乗内在的最適化基準に依存する非適応的ランキングアルゴリズムのクラスを提案する。
  論文  参考訳（メタデータ） (2020-02-26T16:19:09Z)
• Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
  本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。 未知の置換と基数を持つ集合を予測するための新しい手法を提案する。 関連視覚問題に対する集合定式化の有効性を実証する。
  論文  参考訳（メタデータ） (2020-01-30T01:52:07Z)

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。