双対予測を活用した最小費用流問題の新アルゴリズム：精度と堅牢性を両立し最大12倍の高速化を実現
TL;DR機械学習による予測を活用し、古典的なアルゴリズムを改良する研究が進む中、本研究は「双対予測（dual prediction）」を用いた初の最小費用流アルゴリズムを提案する。古典的な$\varepsilon$-緩和法をベースに、予測誤差に基づく時間計算量とサンプル計算量を理論的に導出。交通網やチップ配線への応用実験で最大約12.7倍の高速化を達成した。
Cog AI Archive
最新の記事
人気記事ピックアップ
RedSage: サイバーセキュリティに特化した汎用LLM
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
Group DROニューロンのロバスト学習
TL;DR任意のラベルノイズやグループごとの分布シフトが存在する状況下で、単一ニューロンを学習する問題を扱った研究です。グループ分布ロバスト最適化（Group DRO）問題に対し、計算効率の良い主双対アルゴリズムを開発しました。この手法は、最悪ケースのグループ重み付けにおいて最適解と定数倍の競合比を持つ解を出力します。
保存済みの記事がまだありません。
読み込み中…