実行フィードバックによるRegret最小化【JST・京大機械翻訳】

Jagadeesan Meena; Zrnic Tijana; Mendler-Duenner Celestine

プレプリント

J-GLOBAL ID：202202214787605138 整理番号：22P0283240

実行フィードバックによるRegret最小化【JST・京大機械翻訳】

Regret Minimization with Performative Feedback

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02月01日プレプリントサーバーでの情報更新日： 2022年07月18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)

実行予測において,予測モデルの展開はデータ分布のシフトを誘発する。これらのシフトは典型的には未知であるので,学習者は,分布に関するフィードバックを得るためにモデルを展開する必要がある。低レグレットを維持しながら,性能下で最適に近いモデルを見つける問題を研究した。表面上で,この問題は帯域問題と等価であるように見える。しかしながら,それは,実行フィードバックとして言及する基本的に豊富なフィードバック構造を示す:あらゆる展開の後,学習者は,報酬に関する帯域フィードバックだけではなく,シフトした分布からサンプルを受信する。著者らの主な貢献は,分布シフトの複雑性と報酬関数ではなく,レグレット限界スケーリングを達成するアルゴリズムである。このアルゴリズムはシフトの平滑性のみに依存し,凸性を仮定しない。さらに,その最終反復は近最適であると保証される。重要なアルゴリズムアイデアは,未探索モデルのリスクに関する信頼限界の新しい構築を知らせる分布シフトの注意深い探索である。より広く,本研究は,実行フィードバックによるレグレット最小化の目的で,バンド文献からツールをレバレッジするための概念的アプローチを確立した。【JST・京大機械翻訳】

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

反応速度論・触媒一般 , システム・制御理論一般 , その他のオペレーションズリサーチの手法 , 脳・神経系モデル , 宇宙飛行体の運動・軌道

前のページに戻る