抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
モジュール関数は,代表性,多様性,カバレージなどの概念を自然にモデル化する集合関数の特殊クラスであり,計算的に非常に効率的であることが示されている。多くの過去の作業は,様々な文脈で最適部分集合を見つけるために,サブモジュール最適化を適用した。若干の用例は,効率的人間消費のためのデータ要約を含んで,モデル開発時間(トレーニング,ハイパーパラメータ調整)を減少するために,トレーニングデータの効果的より小さなサブセットを見つけて,ラベル付けコストを減らすために非ラベルデータの効果的部分集合を見つけて,最近の作業は,誘導部分集合選択と誘導要約の問題を解決する際に,非常に役立つことがわかったサブモジュール情報対策を提案するために,サブモジュール機能をさらに活用した。本研究では,C++最適化エンジンを用いたサブモジュール最適化のためのオープンソース,使いやすい,効率的でスケーラブルなPythonライブラリであるSubmodlibを提示した。サブモリブは,要約,データ部分集合選択,ハイパーパラメータチューニング,効率的訓練,およびより多くの応用におけるその応用を見つける。豊富なAPIを通して,それを使用することができる方法で,多くの柔軟性を提供する。サブモリブの源はhttps://github.com/decile team/submodlibで利用可能である。【JST・京大機械翻訳】