最小選択原理による輸送へのオンライン学習【JST・京大機械翻訳】

Guo Wenxuan; Hur YoonHaeng; Liang Tengyuan; Ryan Christopher

プレプリント

J-GLOBAL ID：202202218484649626 整理番号：22P0287344

最小選択原理による輸送へのオンライン学習【JST・京大機械翻訳】

Online Learning to Transport via the Minimal Selection Principle

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： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年06月14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)

運用研究におけるロバスト動的資源配分によって動機づけられて,著者らは,決定変数が確率尺度である,無限次元オブジェクトである,輸送(OLT)問題へのOnline学習を研究する。最小選択原理と呼ばれる洞察を通して,オンライン学習,最適輸送,および偏微分方程式の間の接続を引用し,最初に,Citet{Ambrosio_2005}によるWasserstein勾配流れ設定において研究した。これにより,標準オンライン学習フレームワークを無限次元設定にシームレスに拡張できる。このフレームワークに基づいて,平均場近似と離散化技術を用いてOLT問題を解くための最小選択または探索(MSoE)アルゴリズムと呼ばれる新しい方法を導いた。変位凸設定において,著者らのアプローチを支えている主な理論的メッセージは,時間(最小選択原理を通して)上の輸送コストの最小化が,最適累積レグレット上限を確実にすることである。アルゴリズム側に関して,著者らのMSoEアルゴリズムは変位凸設定を超えて適用して,動的資源配分において一般的でない非凸設定に実際的に関連した最適輸送の数学的理論を作った。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る