文献

J-GLOBAL ID：202102285585202363   整理番号：21A1301937

オンライン最適化(招待論文)のための異なるタイプの予測子の利用【JST・京大機械翻訳】

Leveraging Different Types of Predictors for Online Optimization (Invited Paper)

著者 (6件)： Maghakian Jessica (Stony Brook University) ,  Lee Russell (University of Massachusetts Amherst) ,  Hajiesmaili Mohammad (University of Massachusetts Amherst) ,  Li Jian (SUNY Binghamton University) ,  Liu Zhenhua (Stony Brook University) ,  Sitaraman Ramesh (University of Massachusetts Amherst)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： CISS  ページ： 1  発行年： 2021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： 予測は,ビデオストリーミングから電気自動車充電までの応用とともに,オンライン最適化研究において長くて豊富な歴史を持つ。伝統的に,異なるアルゴリズムを,同じタイプの予測にアクセスしたそれらの性能に関して評価した。しかし,大きな分散システムにおける帯域幅コスト最小化の問題によって動機づけられて,著者らは種々のタイプの予測を使用する利点を考察した。著者らが考慮した2種類の予測子は,相補的な強度と弱点を持つことを示す。特に,1種類の予測子は,強い平均ケース性能を有するが,弱い最悪ケース性能を持ち,他方は,弱い平均ケース性能だが,強い最悪ケース性能を有することを示した。学習増強メタアルゴリズムを用いることにより,全てのシナリオにおいて強力な性能に対して両タイプの予測子を利用できることを示した。Copyright 2021 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： *アルゴリズム ,  学習 ,  電気自動車 ,  充電 ,  帯域幅 ,  ビデオストリーミング ,  コスト最小化
準シソーラス用語： *予測子 , 【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 (4件)： オンライン最適化 ,  論文 ,  タイプ ,  予測子