ナップサックによるオンライン学習のための多くの世界保証の最良【JST・京大機械翻訳】

Celli Andrea; Castiglioni Matteo; Kroer Christian

プレプリント

J-GLOBAL ID：202202218708305553 整理番号：22P0296322

ナップサックによるオンライン学習のための多くの世界保証の最良【JST・京大機械翻訳】

Best of Many Worlds Guarantees for Online Learning with Knapsacks

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28日プレプリントサーバーでの情報更新日： 2023年03月10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)

意思決定者が,m資源制約の有限集合を違反することなく,それらの期待報酬を最大化することを望むオンライン学習問題を研究した。戦略混合物の適切に定義された空間上の学習プロセスを注型することにより,非凸報酬と資源消費関数による一般的設定に対しても,基礎となる最適化問題のLagrange緩和に関する強い双対性を回復する。次に,著者らは,確率的,敵対的,非定常入力の下で,レグレット保証なしで,この設定のための初めての最良-世界型フレームワークを提供した。本フレームワークは,確率事例における事前作業の同じレグレット保証をもたらした。他方,予算が時間水平で少なくとも線形に成長するとき,それは,O(logmlogT)の最良の既知の上限を超えて改善する敵対事例で一定の競合比を提供できる。さらに,このフレームワークは意思決定者が非凸報酬とコスト関数を扱うことを可能にする。このフレームワークの2つのゲーム理論的アプリケーションを提供し,その柔軟性の更なる証拠を与えた。そうすることで,著者らは,反復第一価格オークションにおける予算-パッシング機構を実装するために使用できることを示した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る