Fugu-MT 論文翻訳(概要): The Price is (Probably) Right: Learning Market Equilibria from Samples

論文の概要: The Price is (Probably) Right: Learning Market Equilibria from Samples

arxiv url: http://arxiv.org/abs/2012.14838v2
Date: Thu, 4 Feb 2021 20:02:16 GMT
ステータス: 処理完了
システム内更新日: 2021-04-18 20:27:57.509575
Title: The Price is (Probably) Right: Learning Market Equilibria from Samples
Title（参考訳）: 価格が(おそらく)正しい:サンプルから市場均衡を学ぶ
Authors: Omer Lev, Neel Patel, Vignesh Viswanathan, Yair Zick
Abstract要約: プレイヤーの評価額が不明な設定を検討します。 PAC学習理論フレームワークを用いて、一般的な評価関数のクラスを解析する。直接PAC平衡割り当てを出力するアルゴリズムを提供する。
参考スコア（独自算出の注目度）: 23.236452020801337
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Equilibrium computation in markets usually considers settings where player valuation functions are known. We consider the setting where player valuations are unknown; using a PAC learning-theoretic framework, we analyze some classes of common valuation functions, and provide algorithms which output direct PAC equilibrium allocations, not estimates based on attempting to learn valuation functions. Since there exist trivial PAC market outcomes with an unbounded worst-case efficiency loss, we lower-bound the efficiency of our algorithms. While the efficiency loss under general distributions is rather high, we show that in some cases (e.g., unit-demand valuations), it is possible to find a PAC market equilibrium with significantly better utility.
Abstract（参考訳）: 市場の均衡計算は通常、プレイヤーのバリュエーション関数が知られている設定を考える。そこで我々は、PAC学習理論フレームワークを用いて、共通の評価関数のクラスを分析し、評価関数の学習に基づく推定ではなく、直接PAC均衡割り当てを出力するアルゴリズムを提供する。最悪ケース効率の低下を伴う自明なPAC市場効果が存在するため、アルゴリズムの効率を低くする。一般分布下での効率損失はかなり高いが、いくつかのケース(例えば、単位需要評価)では、より優れた実用性を持つpac市場均衡を見出すことができる。

関連論文リスト

Large-Scale Contextual Market Equilibrium Computation through Deep Learning [10.286961524745966]
本稿では,市場均衡を近似する深層学習方式であるMarketFCNetを紹介する。 MarketFCNetは,既存の手法と比較して,競争性能と実行時間を大幅に低下させることを示す。
論文参考訳（メタデータ） (2024-06-11T03:36:00Z)
Self-Evaluation Guided Beam Search for Reasoning [61.523627290397556]
我々は,Large Language Model (LLM) の推論プロセスのガイドと校正を行うための段階的自己評価機構を導入する。本稿では,ビームサーチによる自己評価ガイダンスを統合した復号アルゴリズムを提案する。我々のアプローチは、GSM8K、AQuA、StrategyQAにおいて、対応するCodexバックボンドベースラインをわずかに精度6.34%、9.56%、および5.46%で上回る。
論文参考訳（メタデータ） (2023-05-01T02:37:59Z)
Does Machine Learning Amplify Pricing Errors in the Housing Market? -- The Economics of Machine Learning Feedback Loops [2.5699371511994777]
住宅市場における機械学習フィードバックループの分析モデルを構築した。フィードバックループは、機械学習アルゴリズムを自分自身の精度で過度に信頼するようになることを示す。次に、フィードバックループ平衡における住宅販売者の経済的な支払いが、機械学習を使わずに悪くなる状況を特定する。
論文参考訳（メタデータ） (2023-02-18T23:20:57Z)
Online Search with Predictions: Pareto-optimal Algorithm and its Applications in Energy Markets [32.50099216716867]
本稿では、揮発性電力市場におけるエネルギー取引のための学習強化アルゴリズムを開発する。オンライン検索問題に対する競合アルゴリズムの設計には,機械学習による予測が組み込まれている。
論文参考訳（メタデータ） (2022-11-12T04:12:10Z)
Direct Advantage Estimation [63.52264764099532]
予測されるリターンは、学習を遅くする可能性のある望ましくない方法でポリシーに依存する可能性があることを示します。本稿では,優位関数をモデル化し,データから直接推定する手法として,DAE(Direct Advantage Estimation)を提案する。望むなら、値関数をDAEにシームレスに統合して、時間差学習と同様の方法で更新することもできる。
論文参考訳（メタデータ） (2021-09-13T16:09:31Z)
Optimization-friendly generic mechanisms without money [8.98272353392094]
我々は,近代最適化アルゴリズムを,自己関心エージェントから入力を得る機構に変換するための汎用フレームワークを開発した。この設定の特別な例としては、投票、宝くじによるアイテムの割り当て、マッチングがある。主要な技術的貢献は、apexと呼ばれる新しいメタアルゴリズムです。
論文参考訳（メタデータ） (2021-06-14T20:42:23Z)
Semi-verified PAC Learning from the Crowd [7.594050968868919]
本研究では,クラウドソース型PAC学習におけるしきい値関数の問題点について検討する。本稿では,Charikar等の半検証モデルを用いて,PACが基礎となる仮説クラスを大量のラベルクエリで学習可能であることを示す。
論文参考訳（メタデータ） (2021-06-13T20:05:16Z)
Scalable Personalised Item Ranking through Parametric Density Estimation [53.44830012414444]
暗黙のフィードバックから学ぶことは、一流問題の難しい性質のために困難です。ほとんどの従来の方法は、一級問題に対処するためにペアワイズランキングアプローチとネガティブサンプラーを使用します。本論文では,ポイントワイズと同等の収束速度を実現する学習対ランクアプローチを提案する。
論文参考訳（メタデータ） (2021-05-11T03:38:16Z)
Stochastic Optimization of Areas Under Precision-Recall Curves with Provable Convergence [66.83161885378192]
ROC(AUROC)と精度リコール曲線(AUPRC)の下の領域は、不均衡問題に対する分類性能を評価するための一般的な指標である。本稿では,深層学習のためのAUPRCの最適化手法を提案する。
論文参考訳（メタデータ） (2021-04-18T06:22:21Z)
Provably Efficient Reward-Agnostic Navigation with Linear Value Iteration [143.43658264904863]
我々は、最小二乗値スタイルのアルゴリズムで一般的に使用される、より標準的なベルマン誤差の概念の下での反復が、ほぼ最適値関数の学習において強力なPAC保証を提供することを示す。そこで本稿では,任意の(線形な)報酬関数に対して,最適に近いポリシーを学習するためにどのように使用できるかを示す。
論文参考訳（メタデータ） (2020-08-18T04:34:21Z)
PACOH: Bayes-Optimal Meta-Learning with PAC-Guarantees [77.67258935234403]
PAC-Bayesianフレームワークを用いた理論的解析を行い、メタ学習のための新しい一般化境界を導出する。我々は、性能保証と原則付きメタレベル正規化を備えたPAC最適メタ学習アルゴリズムのクラスを開発する。
論文参考訳（メタデータ） (2020-02-13T15:01:38Z)

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。