No-regret学習における最後の反復収束:凸凹景観のための制約付きミニマックス最適化【JST・京大機械翻訳】

Lei Qi; Nagarajan Sai Ganesh; Panageas Ioannis; Wang Xiao

プレプリント

J-GLOBAL ID：202202208519268536 整理番号：22P0112477

No-regret学習における最後の反復収束:凸凹景観のための制約付きミニマックス最適化【JST・京大機械翻訳】

Last iterate convergence in no-regret learning: constrained min-max optimization for convex-concave landscapes

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 (4件)： , , ,
資料名：
発行年： 2020年02月16日プレプリントサーバーでの情報更新日： 2020年02月21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)

最近の一連の論文では,勾配Desent/AscentとMirror Descentのバリアントが凸凹型ゼロ和ゲームで最後の反復収束を示すことを立証した。特に,サイト{DISZ17,LiangS18}は,非制約min-max最適化の場合,いわゆる「光学勾配降下/上昇」の最後の反復収束を示した。さらに,サイト{Metal}において,筆者らは,そのアルゴリズムがオンライン学習フレームワークに従わないが,余分の勾配ステップを有するMiror Descentが凸凹問題(制約付きおよび制約なし)に対して最後の反復収束を示すことを示した。それは,次の反復を計算するのに,唯一の歴史よりむしろ余分な情報を使用する。本研究では,非レギットオンライン学習フレームワークに従う”Optimistic Multiplicitive Weight Update(OMWU)”が,凸凹ゲームに対して局所的に最後の反復収束を示し,OMWUの最後の反復収束が双線形ケースに対してのみ示された,サイト{DP19}の結果を一般化することを示した。提案手法の速い収束を示す実験で,これらの結果を補完した。【JST・京大機械翻訳】

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

ゲーム理論 , 通信網 , 数理計画法

, , , , , ,

前のページに戻る