論文の概要: Auction learning as a two-player game

• arxiv url: http://arxiv.org/abs/2006.05684v4
• Date: Mon, 25 Oct 2021 15:45:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 06:28:02.615535
• Title: Auction learning as a two-player game
• Title（参考訳）: ツープレイヤーゲームとしてのオークション学習
• Authors: Jad Rahme and Samy Jelassi and S. Matthew Weinberg
• Abstract要約: オークションデザイン(Auction Design)は、固定ユーティリティ機能を備えた2人プレイのゲームである。 期待収益を最大化するインセンティブをデザインすることは、オークションデザインの中心的な問題である。
• 参考スコア（独自算出の注目度）: 19.706363403596196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing an incentive compatible auction that maximizes expected revenue is a central problem in Auction Design. While theoretical approaches to the problem have hit some limits, a recent research direction initiated by Duetting et al. (2019) consists in building neural network architectures to find optimal auctions. We propose two conceptual deviations from their approach which result in enhanced performance. First, we use recent results in theoretical auction design (Rubinstein and Weinberg, 2018) to introduce a time-independent Lagrangian. This not only circumvents the need for an expensive hyper-parameter search (as in prior work), but also provides a principled metric to compare the performance of two auctions (absent from prior work). Second, the optimization procedure in previous work uses an inner maximization loop to compute optimal misreports. We amortize this process through the introduction of an additional neural network. We demonstrate the effectiveness of our approach by learning competitive or strictly improved auctions compared to prior work. Both results together further imply a novel formulation of Auction Design as a two-player game with stationary utility functions.
• Abstract（参考訳）: 予想収益を最大化するインセンティブ互換オークションの設計は、オークション設計の中心的な問題である。 この問題に対する理論的アプローチはいくつかの限界に達したが、 duetting et al. (2019) によって始められた最近の研究の方向性は、最適なオークションを見つけるためにニューラルネットワークアーキテクチャを構築することにある。 提案手法は,性能向上をもたらす2つの概念的逸脱を提案する。 まず,理論オークション設計における最近の結果(rubinstein and weinberg, 2018)を用いて,時間に依存しないラグランジアンを導入する。 これは(以前の仕事のように)高価なハイパーパラメーター検索の必要性を回避するだけでなく、2つのオークションのパフォーマンスを比較するための原理的なメトリックを提供する。 第2に、前処理における最適化手順は、最適誤レポートを計算するために内部最大化ループを使用する。 我々は、追加のニューラルネットワークの導入により、このプロセスを償却する。 競争力のある,あるいは厳格に改良されたオークションを学習することで,提案手法の有効性を実証する。 どちらの結果も、静止ユーティリティ機能を備えた2人プレイゲームとしてのオークションデザインの新しい定式化を暗示している。

関連論文リスト

• Procurement Auctions via Approximately Optimal Submodular Optimization [53.93943270902349]
  競売業者がプライベートコストで戦略的売り手からサービスを取得しようとする競売について検討する。 我々の目標は、取得したサービスの品質と販売者の総コストとの差を最大化する計算効率の良いオークションを設計することである。
  論文  参考訳（メタデータ） (2024-11-20T18:06:55Z)
• Selling Joint Ads: A Regret Minimization Perspective [7.288063443108292]
  オンライン小売によるモチベーションにより、一品(広告スロットなど)を2つの非排除購入者(商店、ブランド等)に販売する問題を考える。 この問題は、例えば、マーチャントとブランドが商品を宣伝するために競売に協力して入札する状況と、表示されている広告の恩恵を捉えている。 メカニズムは2つの入札を収集し、どちらを割り当てるか、どの支払いを行うかを決定する。
  論文  参考訳（メタデータ） (2024-09-12T07:59:10Z)
• Neural Active Learning Beyond Bandits [69.99592173038903]
  ストリームベースとプールベースの両方のアクティブラーニングをニューラルネットワーク近似を用いて検討する。 ストリームベースおよびプールベースアクティブラーニングのためのニューラルネットワークを新たに設計したエクスプロイトと探索に基づく2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-18T21:52:14Z)
• Machine Learning-Powered Combinatorial Clock Auction [13.724491757145385]
  我々はイテレーティブオークション(ICA)の設計について研究する。 本稿では,要求クエリに基づいてMLモデルをトレーニングする新しい手法を提案する。 いくつかのスペクトルオークション領域におけるMLベースの需要メカニズムを実験的に評価した。
  論文  参考訳（メタデータ） (2023-08-20T10:43:50Z)
• Improving Sample Efficiency of Model-Free Algorithms for Zero-Sum Markov Games [66.2085181793014]
  モデルフリーのステージベースQ-ラーニングアルゴリズムはモデルベースアルゴリズムと同じ$H$依存の最適性を享受できることを示す。 本アルゴリズムは,楽観的値関数と悲観的値関数のペアとして参照値関数を更新するキーとなる新しい設計を特徴とする。
  論文  参考訳（メタデータ） (2023-08-17T08:34:58Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Bayesian Optimization-based Combinatorial Assignment [10.73407470973258]
  オークションやコースアロケーションを含むアサインドメインについて検討する。 この領域の主な課題は、バンドル空間がアイテム数で指数関数的に増加することである。
  論文  参考訳（メタデータ） (2022-08-31T08:47:02Z)
• Fast Rate Learning in Stochastic First Price Bidding [0.0]
  ファーストプライスのオークションは、プログラム広告におけるビックレーのオークションに基づく伝統的な入札アプローチを大きく置き換えている。 対戦相手の最大入札分布が分かっている場合, 後悔度を著しく低くする方法を示す。 我々のアルゴリズムは、様々な入札分布の文献で提案されている選択肢よりもはるかに高速に収束する。
  論文  参考訳（メタデータ） (2021-07-05T07:48:52Z)
• PreferenceNet: Encoding Human Preferences in Auction Design with Deep Learning [31.509832387330928]
  制約をエンコードする既存のニューラルネットワークベースのオークション機構の拡張であるPreferenceNetを提案する。 提案手法は,現在最先端のニューラルネットベースのオークション設計と競合することを示す。
  論文  参考訳（メタデータ） (2021-06-06T19:29:40Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)

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。