文献

J-GLOBAL ID：202002244644304534   整理番号：20A2094354

デフォルト誘導確率的サンプリングによる逐次モデルベースアルゴリズム構成の結合【JST・京大機械翻訳】

Combining sequential model-based algorithm configuration with default-guided probabilistic sampling

著者 (2件)： Anastacio Marie (Universiteit Leiden, Leiden, The Netherlands) ,  Hoos Holger H. (Universiteit Leiden, Leiden, The Netherlands and University of British Columbia, Vancouver, Canada)
資料名： ACM Proceedings  (ACM Proceedings)
号： GECCO ’20  ページ： 301-302  発行年： 2020年 
JST資料番号： D0698C  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： 汎用自動化アルゴリズム構成手続きは,AI,作業研究および他の分野からの挑戦的な問題を解決する際に,最先端技術における印象的な改善を可能にした。最も成功した構成器は,できるだけ効率的に与えられたアルゴリズムのためのパラメータ設定の広大な組合せ空間を探索するために複数の技術を組み合わせる。特に,最も突出した汎用アルゴリズムであるSMACとイレースの2つが,それぞれ,Bayes最適化とレースリングの組合せ,およびラッキングと分布アルゴリズムの推定として見ることができる。ここでは,これらの技法の3つを1つの単一コンフィギュレータに組み合わせるアプローチを検討し,一方,エキスパート-チョンデフォルトパラメータ値に含まれる事前知識を利用した。AClibからの広範囲の走行時間最適化シナリオで,イレースとSMACに対する顕著な性能改善を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  自動化 ,  作業分析 ,  人工知能 ,  走行時間 ,  機械学習
準シソーラス用語： 事前知識 ,  組合せ最適化 ,  最先端技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人工知能 ,  組合せ最適化 ,  機械学習 ,  パラメータ調整とアルゴリズム構成

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 誘導 ,  確率 ,  サンプリング ,  逐次 ,  モデルベース ,  アルゴリズム