文献

J-GLOBAL ID：201702296257461343   整理番号：17A1732735

最適化発見的方法のエンドツーエンド深層学習【Powered by NICT】

End-to-End Deep Learning of Optimization Heuristics

著者 (4件)： Cummins Chris ,  Petoumenos Pavlos ,  Wang Zheng ,  Leather Hugh
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PACT  ページ： 219-232  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 正確な自動最適化発見的方法は最新のハードウェアとソフトウェアのthecomplexityと多様性を扱うための必要である。機械学習は,このような発見的方法を学習するためのaproven技術であるが,その成功は用いられている特徴のthequalityにより結合していた。これらの特徴は,専門家のドメイン知識と試行錯誤の複合をdevelopersthroughによる工夫でなければならない。最終モデルのこのmakesthe品質システム建築家のスキルとavailabletimeに依存した。著者らの研究は,建物の発見的方法のためのより良い方法を紹介した。生コード上の発見的方法を学習する,codefeaturesを用いずに完全にdeepneuralネットワークを開発した。ニューラルネットワークを同時にコードのappropriaterepresentationsを構築し,最適化するための最良の方法を学習する,needforマニュアル特徴生成を除去した。さらにこのニューラルネットは一つの最適化問題から他へtransferlearning,newmodelsの精度を改善し,ヒトの専門家の助けなしにできることを示した。は専門家が手で選んだ特徴を持つagainstones著者らの自動的に生成された発見的方法の有効性を比較した。二つの挑戦的なタスク:異種並列性とGPU threadcoarsening因子に対する最適なマッピングを予測することを検討した。症例の89%で,完全にautomaticheuristics一致またはusinghand工夫特徴最新予測法の性能を上回り,平均14%と12%より性能withno人間の努力を提供の品質特徴を設計する上で消費された。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ドメイン知識 ,  ハードウェア ,  *最適化 ,  マニュアル ,  機械学習 ,  ヒト ,  *エンドツーエンド方式 ,  最適化問題 ,  予測技法 ,  *発見的方法 ,  ネットワーク ,  ソフトウェア ,  品質特性 ,  ニューラルネットワーク
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 技術教育  (JA01050T) ,  ロボットの運動・制御  (IC04012J) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (4件)： 最適化 ,  発見的方法 ,  エンドツーエンド ,  深層学習