論文の概要: Variational Bayesian Methods for Stochastically Constrained System
Design Problems
- arxiv url: http://arxiv.org/abs/2001.01404v1
- Date: Mon, 6 Jan 2020 05:21:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 02:00:35.061626
- Title: Variational Bayesian Methods for Stochastically Constrained System
Design Problems
- Title（参考訳）: 確率制約付きシステム設計問題に対する変分ベイズ法
- Authors: Prateek Jaiswal, Harsha Honnappa and Vinayak A. Rao
- Abstract要約: 本稿では,パラメータ化プログラムとして表現されるシステム設計問題について,確率制約セットを用いて検討する。
後続予測積分を近似的に計算するための変分ベイズ法を提案する。
- 参考スコア（独自算出の注目度）: 7.347989843033034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study system design problems stated as parameterized stochastic programs
with a chance-constraint set. We adopt a Bayesian approach that requires the
computation of a posterior predictive integral which is usually intractable. In
addition, for the problem to be a well-defined convex program, we must retain
the convexity of the feasible set. Consequently, we propose a variational
Bayes-based method to approximately compute the posterior predictive integral
that ensures tractability and retains the convexity of the feasible set. Under
certain regularity conditions, we also show that the solution set obtained
using variational Bayes converges to the true solution set as the number of
observations tends to infinity. We also provide bounds on the probability of
qualifying a true infeasible point (with respect to the true constraints) as
feasible under the VB approximation for a given number of samples.
- Abstract（参考訳）: 本稿では,確率制約付きパラメータ化確率プログラムとして表現されるシステム設計問題について検討する。
我々は、通常難解な後続予測積分の計算を必要とするベイズ的アプローチを採用する。
さらに、問題が十分に定義された凸プログラムであるためには、実現可能な集合の凸性を維持する必要がある。
そこで本研究では,可搬性を確保し,可換集合の凸性を保持する後続予測積分を近似的に計算する変分ベイズ法を提案する。
一定の規則性条件の下では、変分ベイズを用いて得られる解集合が、観測回数が無限大になる傾向にある真の解集合に収束することを示す。
また、与えられたサンプル数に対するvb近似の下で実現可能な真の実現不可能な点(真の制約に関して)を許容する確率の境界も与える。
関連論文リスト
- Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。
本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。
2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
論文 参考訳（メタデータ） (2024-09-24T04:39:47Z) - Efficient Incremental Belief Updates Using Weighted Virtual Observations [2.7195102129095003]
モンテカルロ推論の文脈における漸進的信念更新問題に対するアルゴリズム的解を提案する。
このアプローチの効率性と堅牢性を示すために,多くの実践例とケーススタディにソリューションを実装し,適用する。
論文 参考訳（メタデータ） (2024-02-10T12:48:49Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Calibrating Neural Simulation-Based Inference with Differentiable
Coverage Probability [50.44439018155837]
ニューラルモデルのトレーニング目的に直接キャリブレーション項を含めることを提案する。
古典的なキャリブレーション誤差の定式化を緩和することにより、エンドツーエンドのバックプロパゲーションを可能にする。
既存の計算パイプラインに直接適用でき、信頼性の高いブラックボックス後部推論が可能である。
論文 参考訳（メタデータ） (2023-10-20T10:20:45Z) - Margin theory for the scenario-based approach to robust optimization in
high dimension [0.0]
本稿では、ロバストな最適化のためのシナリオアプローチを扱う。
これは、問題の不確実性によって引き起こされる可能性のある無限個の制約のランダムサンプリングに依存する。
論文 参考訳（メタデータ） (2023-03-07T13:33:46Z) - Fully Stochastic Trust-Region Sequential Quadratic Programming for
Equality-Constrained Optimization Problems [62.83783246648714]
目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。
アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
論文 参考訳（メタデータ） (2022-11-29T05:52:17Z) - Bayesian sequential design of computer experiments for quantile set inversion [0.0]
複素数値シミュレータのようなシステムを表現する未知の多変量関数を考える。
我々の目的は、確率が与えられた閾値未満の出力につながる決定論的入力のセットを推定することである。
論文 参考訳（メタデータ） (2022-11-02T10:14:05Z) - Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。
本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。
ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
論文 参考訳（メタデータ） (2020-06-11T19:40:38Z) - Batch Stationary Distribution Estimation [98.18201132095066]
サンプル遷移の組を与えられたエルゴードマルコフ鎖の定常分布を近似する問題を考える。
与えられたデータに対する補正比関数の復元に基づく一貫した推定器を提案する。
論文 参考訳（メタデータ） (2020-03-02T09:10:01Z) - An Equivalence between Bayesian Priors and Penalties in Variational
Inference [8.45602005745865]
機械学習では、パラメータのいくつかの値をペナライズするアドホック正規化項によって変調される確率モデルのパラメータを最適化することが一般的である。
我々は、この手順に従って発生する正則化器を完全に特徴付け、与えられたペナルティに対応する事前を計算する体系的な方法を提供する。
論文 参考訳（メタデータ） (2020-02-01T09:48:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。