抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】