论文阅读:Towards Automatic Testing of Reference Point Based Interactive Methods

本文主要是介绍论文阅读:Towards Automatic Testing of Reference Point Based Interactive Methods,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Towards Automatic Testing of Reference Point Based Interactive Methods

作者:Vesa Ojalehto、Dmitry Podkopaev、Kaisa Miettinen
期刊:PPSN、2016
DOI:10.1007/978-3-319-45823-645

内容简介

为了了解优化算法的优缺点,有必要了解不同类型的测试问题、定义良好的性能指标和分析工具。这样的工具广泛用于测试进化多目标优化算法。

据我们所知,目前还没有基于参考点来传递偏好信息的交互式多目标优化方法的性能分析工具。这些工具的主要障碍是人类决策者参与交互式解决方案进程,这使得交互式方法的性能取决于人类使用它们的性能。在这项研究中,我们的目标是建立一个测试框架,在这个框架中,人工决策者被替换为虚拟决策者,并且允许在一个可控的环境中重复测试交互式方法。

内容摘录


We propose to employ an artificial DM to replace the real DM. Our concept of an artificial DM and its interaction with an interactive method comprises the following three components:

Steady part: the complexity of knowledge possessed by the DM and related to solving the considered class of problems which does not change during the solution process. This includes accumulated experience and the core preferences which do not change in time.

优化过程中不随时间变化的内容(经验、偏好、问题类型、参数)

Current context: the current situation as perceived by the DM, which may change in time. This includes: the knowledge about the problem accumulated by the DM during the solution process, level of tiredness which can affect concentration, and the probability of making mistakes.

优化过程中随着时间会发生变化的内容(DM积累的经验、影响注意力的疲劳程度、失误率)

Preference information: the method-specific information expressed by the DM during the solution process to guide the method toward solutions that are more preferred by the DM.

The artificial DM should be defined by the steady part which does not change in time, a mechanism of representing and updating the current context as the solution process continues, and the mechanism of generating the preference information based on the steady part and the current context. By varying the parameters of the steady part, one can obtain different artificial DMs for conducting multiple experiments

虚拟决策者应该由不随时间变化的稳定部分来定义,随着求解进程的继续,表达和更新当前上下文的机制、基于稳定部分和当前上下文生成偏好信息的机制。通过改变稳态部分的参数,可以得到不同的虚拟决策者进行多次实验。


阅读心得总结

Artificial Decision Maker Driven by PSO: An Approach for Testing Reference Point Based Interactive Methods是对本篇论文的扩展。

本篇论文所提出的虚拟决策者Artificial Decision Maker替代人类DM向交互式算法提供参考点,但是参考点的生成方式并没有涉及到人类DM的经验,本文是通过预设的目标函数期望水平ADM aspirations point(asp)与当前Pareto解集中各目标函数值来确定的。

Artificial Decision Maker Driven by PSO: An Approach for Testing Reference Point Based Interactive Methods是通过粒子群算法中粒子动力学的生物模型来生成参考点。

是否可以看作使用了可以量化的评价体系来代替DM的偏好信息?

这篇关于论文阅读:Towards Automatic Testing of Reference Point Based Interactive Methods的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/640938

相关文章

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

软件架构模式:5 分钟阅读

原文: https://orkhanscience.medium.com/software-architecture-patterns-5-mins-read-e9e3c8eb47d2 软件架构模式:5 分钟阅读 当有人潜入软件工程世界时,有一天他需要学习软件架构模式的基础知识。当我刚接触编码时,我不知道从哪里获得简要介绍现有架构模式的资源,这样它就不会太详细和混乱,而是非常抽象和易

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需