Fugu-MT 論文翻訳(概要): Basin: Efficient and Extensible Numerical Optimization in Rust

論文の概要: Basin: Efficient and Extensible Numerical Optimization in Rust

arxiv url: http://arxiv.org/abs/2608.11279v1
Date: Tue, 11 Aug 2026 10:47:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-13 19:07:54.319105
Title: Basin: Efficient and Extensible Numerical Optimization in Rust
Title（参考訳）: Basin: Rustの効率的かつ拡張可能な数値最適化
Abstract要約: BasinはRustプログラミング言語の数値最適化ライブラリである。データにモデルを適用すること、シミュレーションを校正すること、機械学習モデルをトレーニングすること、コストを最小限にするエンジニアリングパラメータを選択することである。
参考スコア（独自算出の注目度）: 1.29839416571547
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Basin is a numerical optimization library for the Rust programming language. Numerical optimization is the task of finding the inputs that minimize a function, and it is a fundamental element across the sciences: fitting a model to data, calibrating a simulation, training a machine learning model, or choosing engineering parameters that minimize cost. Basin gives users a single, consistent way to both state and solve such problems, with a broad catalog of solvers and first-class support for constraints.
Abstract（参考訳）: BasinはRustプログラミング言語の数値最適化ライブラリである。数値最適化は、関数を最小化する入力を見つけるタスクであり、データにモデルを適合させる、シミュレーションを校正する、機械学習モデルを訓練する、コストを最小化するエンジニアリングパラメータを選択する、といった科学の基本的な要素である。 Basinは、ユーザに対して、そのような問題を状態と解決の両方に一貫した方法を提供し、幅広い解決者のカタログと制約のファーストクラスサポートを提供する。

関連論文リスト

Bayesian Optimization in Linear Time [1.6500749121196987]
本手法は全試験において優れた最適化性能を示す。標準的なベイズ最適化のモデリングとアキサイシブな側面の両方を、分割スキームと調和して動作するように適応する。
論文参考訳（メタデータ） (2026-04-30T21:16:12Z)
On characterizing optimal learning trajectories in a class of learning problems [0.0]
本稿では,学習問題のクラスにおける最適学習軌跡を特徴付けるために,最大原理と動的プログラミングの関係を利用する。このような学習問題のクラスに対して最適な推定モデルパラメータに導かれる最適な学習軌跡を構築するためのアルゴリズム的レシピを提供する。
論文参考訳（メタデータ） (2025-01-27T21:43:35Z)
Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。このような問題は医学、物理学、機械学習で発生する。両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文参考訳（メタデータ） (2024-11-21T10:26:17Z)
Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
論文参考訳（メタデータ） (2024-03-06T04:43:22Z)
DS-GPS : A Deep Statistical Graph Poisson Solver (for faster CFD simulations) [0.0]
設計により境界条件を強制する利点を生かして非構造格子を処理できるモデルを開発する。ポアソン方程式の残余を直接最小化することにより、モデルは正確な解を必要とせずに問題の物理学を学ぼうとする。
論文参考訳（メタデータ） (2022-11-21T16:16:10Z)
Learning to Optimize Permutation Flow Shop Scheduling via Graph-based Imitation Learning [70.65666982566655]
置換フローショップスケジューリング(PFSS)は製造業で広く使われている。我々は,より安定かつ正確に収束を加速する専門家主導の模倣学習を通じてモデルを訓練することを提案する。我々のモデルのネットワークパラメータはわずか37%に減少し、エキスパートソリューションに対する我々のモデルの解のギャップは平均6.8%から1.3%に減少する。
論文参考訳（メタデータ） (2022-10-31T09:46:26Z)
Unsupervised Learning for Combinatorial Optimization with Principled Objective Relaxation [19.582494782591386]
本研究は,最適化(CO)問題に対する教師なし学習フレームワークを提案する。我々の重要な貢献は、緩和された目的がエントリーワイドな凹凸を満たすならば、低い最適化損失は最終積分解の品質を保証するという観察である。特に、この観察は、対象が明示的に与えられていないアプリケーションにおいて、事前にモデル化される必要がある場合に、対象モデルの設計を導くことができる。
論文参考訳（メタデータ） (2022-07-13T06:44:17Z)
Conservative Objective Models for Effective Offline Model-Based Optimization [78.19085445065845]
計算設計の問題は、合成生物学からコンピュータアーキテクチャまで、様々な場面で発生している。本研究では,分布外入力に対する接地的目標の実際の値を低くする目的関数のモデルを学習する手法を提案する。 COMは、様々なMBO問題に対して、既存のメソッドの実装と性能の面では単純である。
論文参考訳（メタデータ） (2021-07-14T17:55:28Z)
Low Budget Active Learning via Wasserstein Distance: An Integer Programming Approach [81.19737119343438]
アクティブラーニング(Active Learning)とは、ラベル付きデータプールのコアサブセットをラベルに選択することで、ラベル付きデータでモデルをトレーニングするプロセスである。本稿では,未ラベルプールからワッサーシュタイン距離を最小化するコアセットを選択するための新しい整数最適化問題を提案する。我々の戦略は、ラベルのないプールで教師なし学習によって得られる高品質な潜伏的特徴を必要とする。
論文参考訳（メタデータ） (2021-06-05T21:25:03Z)
Sufficiently Accurate Model Learning for Planning [119.80502738709937]
本稿では,制約付きSufficiently Accurateモデル学習手法を提案する。これはそのような問題の例を示し、いくつかの近似解がいかに近いかという定理を提示する。近似解の質は、関数のパラメータ化、損失と制約関数の滑らかさ、モデル学習におけるサンプルの数に依存する。
論文参考訳（メタデータ） (2021-02-11T16:27:31Z)

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。