Φダイバージェンスによる分布ロバストBayes最適化【JST・京大機械翻訳】

Husain Hisham; Nguyen Vu; Hengel Anton van den

プレプリント

J-GLOBAL ID：202202212552981024 整理番号：22P0298778

Φダイバージェンスによる分布ロバストBayes最適化【JST・京大機械翻訳】

Distributionally Robust Bayesian Optimization with $\varphi$-divergences

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 (3件)： , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2023年10月27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)

ロバスト性の研究は,多くのシステムが不確実性に直面したデータ駆動設定における不可解性のために,多くの注目を集めている。このような関心事の1つはBayes最適化(BO)であり,そこでは不確実性が多面的であるが,この方向に対して専用の限られた数の仕事しか存在しない。特に,DROのレンズからBO問題を鋳造することにより,分布的にロバストな最適化(DRO)の既存の文献を橋渡しするKirschnerら(2020)の研究がある。この作業は先駆的であるが,それは,有限コンテキスト仮定のような様々な実用的欠点に悩まされ,このDRO-BO問題を解くための計算的扱いやすいアルゴリズムを考案する。本研究では,χ ̄2発散,全変動,および現存のKullback-Leibler(KL)発散のような多くの一般的な選択を和らげる,φ-発散におけるデータシフトに対するロバスト性を考慮することにより,この疑問を大きな普遍性に取り組んだ。この設定におけるDRO-BO問題は,連続コンテキスト設定においても,プロービング可能なサブ線形レグレット限界で容易に実装できる有限次元最適化問題と同等であることを示した。次に,著者らの方法が既存の方法を凌駕し,理論結果を証明した。【JST・京大機械翻訳】

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

システム最適化手法 , 確率論

, , ,

前のページに戻る