Fugu-MT 論文翻訳(概要): Stochastic Online Convex Optimization; Application to probabilistic time series forecasting

論文の概要: Stochastic Online Convex Optimization; Application to probabilistic time series forecasting

arxiv url: http://arxiv.org/abs/2102.00729v1
Date: Mon, 1 Feb 2021 09:49:15 GMT
ステータス: 処理完了
システム内更新日: 2021-02-04 09:55:23.273747
Title: Stochastic Online Convex Optimization; Application to probabilistic time series forecasting
Title（参考訳）: 確率的オンライン凸最適化 : 確率時系列予測への応用
Authors: Olivier Wintenberger (LPSM UMR 8001)
Abstract要約: オンラインアルゴリズムに対する後悔のバウンダリは、通常、"オンラインからバッチ"への変換に由来する。オンライン凸問題に適用可能な "tobatch" 変換を用いて解析する。
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: Stochastic regret bounds for online algorithms are usually derived from an "online to batch" conversion. Inverting the reasoning, we start our analyze by a "batch to online" conversion that applies in any Stochastic Online Convex Optimization problem under stochastic exp-concavity condition. We obtain fast rate stochastic regret bounds with high probability for non-convex loss functions. Based on this approach, we provide prediction and probabilistic forecasting methods for non-stationary unbounded time series.
Abstract（参考訳）: オンラインアルゴリズムの確率的後悔境界は、通常「オンラインからバッチ」変換に由来する。この推論を逆にして,確率的凸最適化問題に適用可能な「バッチからオンラインへの変換」により,確率的exp-concavity条件下で解析を開始する。非凸損失関数の確率の高い高速確率的後悔境界を得る。このアプローチに基づき、非定常非有界時系列の予測と確率予測方法を提供します。

関連論文リスト

On tracking varying bounds when forecasting bounded time series [0.0]
我々は、有界なランダム変数が時間とともに変化する未観測のバウンダリを持つ新しいフレームワークを考える。本稿では,オンラインの有界確率推定を行うために,ログライクな推定手法を提案する。
論文参考訳（メタデータ） (2023-06-23T10:44:49Z)
Sharp Calibrated Gaussian Processes [76.69765974637009]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。
論文参考訳（メタデータ） (2023-02-23T12:17:36Z)
A Stochastic Newton Algorithm for Distributed Convex Optimization [62.20732134991661]
均質な分散凸最適化のためのNewtonアルゴリズムを解析し、各マシンが同じ人口目標の勾配を計算する。提案手法は,既存の手法と比較して,性能を損なうことなく,必要な通信ラウンドの数,頻度を低減できることを示す。
論文参考訳（メタデータ） (2021-10-07T17:51:10Z)
On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文参考訳（メタデータ） (2021-06-30T17:51:36Z)
Optimal Rates for Random Order Online Optimization [60.011653053877126]
敵が損失関数を選択できるカテットガルバー2020onlineについて検討するが、一様にランダムな順序で提示される。 2020onlineアルゴリズムが最適境界を達成し,安定性を著しく向上することを示す。
論文参考訳（メタデータ） (2021-06-29T09:48:46Z)
High-probability Bounds for Non-Convex Stochastic Optimization with Heavy Tails [55.561406656549686]
我々は、勾配推定が末尾を持つ可能性のある一階アルゴリズムを用いたヒルベルト非最適化を考える。本研究では, 勾配, 運動量, 正規化勾配勾配の収束を高確率臨界点に収束させることと, 円滑な損失に対する最もよく知られた繰り返しを示す。
論文参考訳（メタデータ） (2021-06-28T00:17:01Z)
The Randomized Elliptical Potential Lemma with an Application to Linear Thompson Sampling [10.939683083130616]
逐次学習におけるアルゴリズム解析や線形バンドイットなどの意思決定問題において広く用いられている、よく知られた楕円ポテンシャル補題のランダム化版を提案する。我々のランダム化された楕円ポテンシャル補題は、観測ノイズと問題パラメータの事前分布に関するガウスの仮定を緩和する。
論文参考訳（メタデータ） (2021-02-16T07:30:04Z)
Heteroscedasticity-aware residuals-based contextual stochastic optimization [0.0]
データ駆動コンテキスト最適化のための統合学習および最適化フレームワークの一般化を検討する。プログラム、データ生成プロセス、およびこれらの一般化が有する予測設定に関する条件を特定し、有限なサンプル保証を行います。
論文参考訳（メタデータ） (2021-01-08T18:11:21Z)
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)
Online Stochastic Convex Optimization: Wasserstein Distance Variation [15.313864176694832]
滑らかな凸関数の期待値の最小値を追跡するためのオンライン近勾配法について検討する。システムや制御文献にインスパイアされた推定・追跡誤差の概念を再考する。我々は、強い凸性、勾配のリプシッツ性、確率分布のドリフトに対する境界を与える。
論文参考訳（メタデータ） (2020-06-02T05:23:22Z)

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。