本文提出了一种基于句法的方法,利用分析过程中的查询来生成定制化的界面,其中界面部件被建模为修改当前分析查询的函数,我们的系统可以从 10,000 个查询的日志中生成界面,并可用于简单的预测任务。
Apr, 2019
本文调查了 Monte Carlo Tree Search (MCTS) 在领域特定修改和混合方法方面的应用,这种方法依赖于智能树搜索并平衡探索和利用。
Mar, 2021
在 AutoML 任务中,使用基于蒙特卡罗树搜索(MCTS)的方法 Mosaic 来处理混合结构和参数昂贵的黑盒优化问题,并在基准测试中获得了统计显著的性能提升。
Jun, 2019
本论文探讨了如何利用通用 AI 算法进行 3D 场景理解来减少训练数据的需求,并提出了一种修改的蒙特卡洛树搜索算法,以从嘈杂的 RGB-D 扫描中检索对象和房间布局。在 ScanNet 数据集上应用本算法可以得到比一些手动注释更好的配置。
我们描述了一个初步的数据集,该数据集包括了 268,386 个不同游戏中的 61 个不同代理的对局,旨在研究 Monte-Carlo Tree Search 在各种游戏中的表现和改进方法,以及对数据集的预测模型训练和未来计划。
Jun, 2024
本文介绍了一种基于贝叶斯框架与高斯近似算法的 Monte-Carlo Tree Search 方法,旨在更准确地估算节点价值和不确定性,并证明了该方法的在策略和非策略情境下的收敛性和实现的优越性。
Mar, 2012
通过使用辅助模型快速计算评估的蒙特卡洛树搜索(MCTS),可以更快地生成解决方案,同时与不使用辅助模型的 MCTS 相比保持一致的解决方案。
Mar, 2024
通过比较分析基于 CPU 和 GPU 的 MCTS 算法在分支分歧情况下的性能,我们发现 CPU 实现呈线性改进趋势,而 GPU 实现呈现出非线性的增强模式和明显的性能下降。这些发现对于优化并行计算架构上的游戏策略算法具有重要的考虑价值。
本文研究了在黑盒优化中通过引入 Monte Carlo Tree Search 方法和结合具备随机搜索功能和高斯过程的新下降方法等技术,以实现更快速的优化。实验结果表明,所提出的方法在各种有挑战性的基准问题上表现优越。
Nov, 2022
本文提出使用蒙特卡罗搜索设计数学表达式作为蒙特卡罗树搜索算法的探索项,优化了 PUCT 和 SHUSS 树搜索算法的根探索项,使得在小型搜索预算下,这些发现的根探索项使得两种算法与常规的 PUCT 算法有竞争力。
Apr, 2024