Bayes DistNet-アルゴリズムランタイム分布予測のためのロバストなニューラルネットワーク【JST・京大機械翻訳】

Tuero Jake; Buro Michael

プレプリント

J-GLOBAL ID：202202218591302043 整理番号：21P0067899

Bayes DistNet-アルゴリズムランタイム分布予測のためのロバストなニューラルネットワーク【JST・京大機械翻訳】

Bayes DistNet -- A Robust Neural Network for Algorithm Runtime Distribution Predictions

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： 2020年12月13日プレプリントサーバーでの情報更新日： 2020年12月25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)

制約充足問題(CSP)とBoole satisfibility(SAT)問題に対する多くの最先端のソルバでランダム化アルゴリズムを使用する。これらの問題の多くは,他のものを支配する単一ソルバがない。これらのソルバの根底にある実行時間分布(RTD)へのアクセスは,アルゴリズム選択,アルゴリズムポートフォリオ,および再開戦略のより良い利用を可能にする。以前の最先端の方法は,入力インスタンスが追従する固定パラメトリック分布を直接予測することを試みる。本論文では,RTD予測モデルをBayes設定に初めて拡張した。この新モデルは,低観測設定におけるロバスト予測性能,ならびに,検閲した観察を扱う。この技術はまた,それらの出力表現を制限する古典的モデルによって達成できないより豊富な表現を可能にする。著者らのモデルは,データが不足している設定における以前の最先端モデルより優れていて,データのタイプがさもなければ捨てられるように,より低い結合時間推定のような検閲データの利用を行うことができる。また,その予測における不確実性を定量化し,アルゴリズムポートフォリオモデルを,特定の事例で実行するためのアルゴリズムについて,より良いインフォームド決定を可能にする。【JST・京大機械翻訳】

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

ロボットの運動・制御 , 図形・画像処理一般 , パターン認識 , 人工知能 , 信号理論

, , ,

前のページに戻る