Aug, 2011

使用动态树进行变量选择和敏感性分析，并应用于计算机代码性能调优

PDF
TL;DR研究计算机代码自动调优，提出基于动态树模型的变量选择和敏感度分析新技术，并在优化代码调整、检测缓存效应和错误转换等方面应用。
automatic tuningcomputer codesvariable selectionsensitivity analysisdynamic tree model
发现论文，激发创造
  • 动态树：用于学习和设计的树形结构

    动态回归树是一种自动回归和分类的有吸引力的选择，可用于在线应用程序设置中具有复杂响应曲面的情况。本文提出了一种序列树模型及其粒子学习算法，这种算法允许对树状态进行高效的在线后验过滤。除此之外，本文还探讨了常数和线性均值函数以及分类问题的多项式叶子等问题，并提出了默认的先验规范。本文还详细说明了每个应用程序的具体方法。最后，实验证明，我们的方法在成本的一小部分下能够提供比常用方法更好的结果。

    Dec, 2009

  • 最优决策桩的非参数变量筛选

    通过使用决策树，我们推导出了非参数模型中变量选择的有限样本性能保证，并发现决策树可以用于实现一致的模型选择，即使用于估计目的时高度不准确。

    Nov, 2020

  • 复杂系统的无导数树优化

    这篇研究论文提出了一种基于树搜索的无导数优化方法，借助机器学习模型逐步逼近全局最优解，有效解决高维复杂系统的优化问题，在各种基准函数上实现了高达 2000 维的全局最优收敛，比已有方法快 10 到 20 倍，具有广泛的应用性，可用于材料、物理和生物等领域，超越了现有算法，实现高效自主知识发现和虚拟实验室的自动化。

    Apr, 2024

  • 具有相关输入的条件高斯过程的方差分析分解法在灵敏度分析中的应用

    本文提出了一种基于高维高斯过程回归的方差灵敏度测量方法，可用于复杂计算代码的敏感性分析，适用于非独立输入，并提供了估算方法和不确定性量化，最后通过玩具函数和河流洪水模型进行演示。

    Oct, 2013

  • 最佳生存树：一种动态规划方法

    基于历史数据，Survival Analysis 和 Survival Trees 使用动态规划提供了具有最优性保证的方法，发现复杂的非线性关系，并在实验中表现出良好的时间和性能。

    Jan, 2024

  • 功能评估的决策树 - 最差和期望成本的同时优化

    通过自适应查询变量值评估离散函数的策略的设计，该算法可以同时实现预期和最坏情况下的对数逼近，即使在计算费用较高的情况下，该算法也可以作为一种自动诊断和主动学习的解决方案。

    Sep, 2013

  • 用于多尺度建模的树状结构循环切换线性动力学系统

    研究了一种多尺度的树形递归开关线性动态系统，使用贝叶斯采样程序和 Polya-Gamma 数据增强实现贝叶斯推断。这种模型旨在同时提供可解释的描述和更准确的预测，通过一系列合成和真实的案例，展示了这种模型在解释性和预测能力上优于现有的方法。

    Nov, 2018

  • 提高分类树的精度

    提出了四种改善模型精度的技术，在真实和模拟数据集上与树集成等其他算法进行对比，以提高分类树中选择关键预测变量和识别有趣的子组的能力。

    Nov, 2010

  • MurTree：使用动态规划和搜索实现的最优分类树

    本研究提出了一种基于动态规划和搜索的学习算法来实现最优决策树，这种算法支持对树的深度和节点数量设置限制，并在实验证明使用我们的算法只需要很短的时间就可以处理具有成千上万个实例的数据集，从而极大地提高了最优决策树的实用性。

    Jul, 2020

  • 通用和可扩展的最优稀疏决策树

    通过提出一种决策树优化框架，解决了当前领域中两个开放性问题：不平衡数据处理和连续变量完全优化。此外，我们还介绍了一种可扩展的算法，可以在存在连续变量的情况下产生可证明的最优结果，并相对于现有技术将决策树构建速度提高了数个数量级。

    Jun, 2020