文献

J-GLOBAL ID：201802219879804270   整理番号：18A0197528

試料,評価,調整:データ科学パイプラインのスケーリングBayesオートチューニング【Powered by NICT】

Sample, Estimate, Tune: Scaling Bayesian Auto-Tuning of Data Science Pipelines

著者 (4件)： Anderson Alec ,  Dubois Sebastien ,  Cuesta-infante Alfredo ,  Veeramachaneni Kalyan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DSAA  ページ： 361-372  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： 本論文では,複雑なパイプラインおよび大規模データセットで作動するスケール逐次ハイパーパラメータ最適化のためのシステムについて述べた。現在,ハイパーパラメータ最適化における最先端は,より詳細な方法でハイパーパラメータの空間を探索するための逐次Bayes最適化を用いた無作為化とグリッドサーチが改善された。これらの方法は,スケール可能ではない,全データ科学パイプラインはすべてのデータに対して評価されなければならない。パイプライン性能,分散評価システムを推定するためのサブサンプリングに基づくアプローチを設計することにより,スケーラブルな解は,複雑な画像とテキストデータパイプラインを用いた説明を提供した。三パイプラインのために,ここでは,類似した性能改善を得るが,実質的に少ないデータに計算できることを示した。Copyright 2018 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： *最適化 ,  画像
準シソーラス用語： サブサンプリング ,  評価システム ,  グリッドサーチ ,  ハイパーパラメータ ,  大規模データセット ,  *オートチューニング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 試料 ,  評価 ,  科学 ,  パイプライン ,  スケーリング ,  オートチューニング