論文の概要: A Constructive, Type-Theoretic Approach to Regression via Global
Optimisation
- arxiv url: http://arxiv.org/abs/2006.12868v1
- Date: Tue, 23 Jun 2020 10:01:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 23:56:48.928448
- Title: A Constructive, Type-Theoretic Approach to Regression via Global
Optimisation
- Title(参考訳): グローバル最適化による回帰に対する構成的・型論的アプローチ
- Authors: Dan R. Ghica and Todd Waugh Ambridge
- Abstract要約: グローバル最適化の収束特性が検索可能性の直接的な結果であることを示す。
すべての理論とモチベーションの例は、証明助手のアグダによって完全に定式化されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We examine the connections between deterministic, complete, and general
global optimisation of continuous functions and a general concept of regression
from the perspective of constructive type theory via the concept of
'searchability'. We see how the property of convergence of global optimisation
is a straightforward consequence of searchability. The abstract setting allows
us to generalise searchability and continuity to higher-order functions, so
that we can formulate novel convergence criteria for regression, derived from
the convergence of global optimisation. All the theory and the motivating
examples are fully formalised in the proof assistant Agda.
- Abstract(参考訳): 本稿では,連続関数の決定論的,完全,大域的な最適化と,「探索可能性」という概念を通じて構成型理論の観点からの回帰の一般概念との関係を考察する。
グローバル最適化の収束特性が検索可能性の直接的な結果であることを示す。
この抽象的な設定により、探索可能性と連続性を高次関数に一般化し、大域最適化の収束から導かれる回帰の新しい収束基準を定式化することができる。
すべての理論とモチベーションの例が証明アシスタントagdaで完全に定式化されている。
関連論文リスト
- A Novel Unified Parametric Assumption for Nonconvex Optimization [53.943470475510196]
非最適化は機械学習の中心であるが、一般の非凸性は弱い収束を保証するため、他方に比べて悲観的すぎる。
非凸アルゴリズムに新しい統一仮定を導入する。
論文 参考訳(メタデータ) (2025-02-17T21:25:31Z) - ProGO: Probabilistic Global Optimizer [9.772380490791635]
本稿では,いくつかの温和な条件下でのグローバルオプティマに収束するアルゴリズムを開発する。
提案アルゴリズムは,従来の最先端手法よりも桁違いに優れていることを示す。
論文 参考訳(メタデータ) (2023-10-04T22:23:40Z) - PAC-Chernoff Bounds: Understanding Generalization in the Interpolation Regime [6.645111950779666]
本稿では,補間器の完全密度を示す分布依存型PAC-Chernoff境界を提案する。
我々は、ある補間子がなぜ例外的な一般化を示すのかを示す統一的な理論的枠組みを提示する。
論文 参考訳(メタデータ) (2023-06-19T14:07:10Z) - Federated Learning as Variational Inference: A Scalable Expectation
Propagation Approach [66.9033666087719]
本稿では,推論の視点を拡張し,フェデレート学習の変分推論の定式化について述べる。
我々は、FedEPを標準フェデレーション学習ベンチマークに適用し、収束速度と精度の両方において、強いベースラインを上回ります。
論文 参考訳(メタデータ) (2023-02-08T17:58:11Z) - Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian
Modeling [68.69431580852535]
サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。
我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。
我々は2つの異なる社会問題に対してアルゴリズムを実行する。
論文 参考訳(メタデータ) (2021-07-07T03:57:22Z) - Counterfactual Explanations for Arbitrary Regression Models [8.633492031855655]
ベイズ最適化に基づく対実的説明法(CFE)を提案する。
提案手法は,任意の回帰モデルと特徴空間や動作可能なリコースなどの制約をサポートする,グローバル収束探索アルゴリズムである。
論文 参考訳(メタデータ) (2021-06-29T09:53:53Z) - Policy Mirror Descent for Regularized Reinforcement Learning: A
Generalized Framework with Linear Convergence [60.20076757208645]
本稿では,正規化RLを解くためのGPMDアルゴリズムを提案する。
我々は,このアルゴリズムが次元自由な方法で,全範囲の学習率に線形に収束することを実証した。
論文 参考訳(メタデータ) (2021-05-24T02:21:34Z) - Distributed Mirror Descent with Integral Feedback: Asymptotic
Convergence Analysis of Continuous-time Dynamics [11.498089180181365]
この作業は分散最適化に対処し、エージェントのネットワークは、大域的に凸な目的関数を最小化しようとする。
本稿では,局所的な情報を用いてグローバルな最適値に収束する連続時間分散ミラー降下法を提案する。
論文 参考訳(メタデータ) (2020-09-14T21:11:42Z) - Generalization Properties of Optimal Transport GANs with Latent
Distribution Learning [52.25145141639159]
本研究では,潜伏分布とプッシュフォワードマップの複雑さの相互作用が性能に与える影響について検討する。
我々の分析に感銘を受けて、我々はGANパラダイム内での潜伏分布とプッシュフォワードマップの学習を提唱した。
論文 参考訳(メタデータ) (2020-07-29T07:31:33Z) - Target-Embedding Autoencoders for Supervised Representation Learning [111.07204912245841]
本稿では,対象空間が高次元な純粋教師付き環境における一般化の枠組みを解析する。
我々は、教師付き予測のための目標埋め込みオートエンコーダ(TEA)の一般的なフレームワークのモチベーションと形式化を行い、特徴とターゲットの予測の両方から予測可能なように最適化された中間潜在表現を学習する。
論文 参考訳(メタデータ) (2020-01-23T02:37:10Z)
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。