文献

J-GLOBAL ID：202002211143164339   整理番号：20A0816795

ヘッダフリー通信のための分枝限定に対する学習【JST・京大機械翻訳】

Learning to Branch-and-Bound for Header-Free Communications

著者 (2件)： Shi Yandong (ShanghaiTech University) ,  Shi Yuanming (ShanghaiTech University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GC Wkshps  ページ： 1-6  発行年： 2019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,ヘッドフリー通信におけるシャッフル線形システムを解くための学習ベース手法を提案し,それにより低待ち時間通信をサポートした。結果として得られたシャッフル線形回帰問題は,NP困難である未知のパーミュート測定を有する線形システムを解くことを目的としている。分枝限定アルゴリズムのようなグローバル最適化アルゴリズムはグローバル最適解を得ることができるが,その計算量は指数関数的であり,実際のシステムに適用できない。計算負荷を軽減するために,分枝限定アルゴリズムにおける剪定ポリシーを学習することを提案した。具体的には,最初に,逐次決定問題としてシャッフル線形システムを解くための分枝限定アルゴリズムを定式化し,次に最適剪定ポリシーを学習した。提案したアルゴリズムの期待される計算複雑性は,注意深い特徴設計を有する多項式であることを示した。数値実験により,提案した方法は,分枝限定アルゴリズムに対して,ほぼ最適な性能と著しい高速化を達成することを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 指数関数 ,  *通信 ,  線形系 ,  定式化 ,  NP困難 ,  高速化 ,  計算量 ,  *学習 ,  待ち時間 ,  決定問題 ,  多項式 ,  アルゴリズム ,  分枝限定法
準シソーラス用語： 数値実験 ,  最適解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ヘッダ ,  分枝 ,  学習