高エネルギー物理学における機械学習応用におけるハイパーパラメータ最適化のためのBayesおよび粒子スウォームアルゴリズムの比較【JST・京大機械翻訳】

Tani Laurits; Veelken Christian

プレプリント

J-GLOBAL ID：202202214104404876 整理番号：22P0275969

高エネルギー物理学における機械学習応用におけるハイパーパラメータ最適化のためのBayesおよび粒子スウォームアルゴリズムの比較【JST・京大機械翻訳】

Comparison of Bayesian and particle swarm algorithms for hyperparameter optimisation in machine learning applications in high energy physics

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月18日プレプリントサーバーでの情報更新日： 2023年10月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

機械学習(ML)技術を使用するとき,ユーザは,ハイパーパラメータと呼ばれるアルゴリズム特異的パラメータの過剰選択を選択する必要がある。本論文では,2つのアルゴリズム,粒子群最適化(PSO)とBayes最適化(BO)の性能を比較し,高エネルギー物理学(HEP)の分野に典型的な異なるMLタスクへの適用におけるこれらのハイパーパラメータの自律決定を行った。性能の評価には,現代のHEP実験の特徴である高並列計算資源の効率的利用をするために,PSOとBOアルゴリズムの能力の比較が含まれる。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , 数値計算

, , , , , ,

前のページに戻る