Fugu-MT 論文翻訳(概要): EigenGame Unloaded: When playing games is better than optimizing

論文の概要: EigenGame Unloaded: When playing games is better than optimizing

arxiv url: http://arxiv.org/abs/2102.04152v1
Date: Mon, 8 Feb 2021 12:04:59 GMT
ステータス: 処理完了
システム内更新日: 2021-02-09 16:12:00.615575
Title: EigenGame Unloaded: When playing games is better than optimizing
Title（参考訳）: eigengame unloaded:ゲームプレイが最適化より優れている
Authors: Ian Gemp and Brian McWilliams and Claire Vernade and Thore Graepel
Abstract要約: EigenGameは、Eigen Decompositionを競争ゲームと見なしている。我々は、最近提案されたEigenGameに基づいて、固有分解を競争ゲームとみなす。
参考スコア（独自算出の注目度）: 19.522120239876486
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We build on the recently proposed EigenGame that views eigendecomposition as a competitive game. EigenGame's updates are biased if computed using minibatches of data, which hinders convergence and more sophisticated parallelism in the stochastic setting. In this work, we propose an unbiased stochastic update that is asymptotically equivalent to EigenGame, enjoys greater parallelism allowing computation on datasets of larger sample sizes, and outperforms EigenGame in experiments. We present applications to finding the principal components of massive datasets and performing spectral clustering of graphs. We analyze and discuss our proposed update in the context of EigenGame and the shift in perspective from optimization to games.
Abstract（参考訳）: 我々は、最近提案されたeigendecompositionを競合ゲームと見なすeigengameをベースとする。 eigengameの更新はデータのミニバッチを使って計算すると偏りがあり、確率的設定における収束とより洗練された並列性を妨げる。本研究では,EigenGameと同等な非偏見の確率的更新を提案し,より大きなサンプルサイズのデータセットの計算を可能にし,実験においてEigenGameを上回っている。本稿では,大規模データセットの主成分を探索し,グラフのスペクトルクラスタリングを行う。固有ゲームと最適化からゲームへのパースペクティブシフトの文脈で,提案するアップデートについて分析・検討する。

関連論文リスト

CNN-based Game State Detection for a Foosball Table [1.612440288407791]
フォスボールのゲームでは、コンパクトで包括的なゲーム状態の記述は、フィギュアの位置シフトと回転と、時間とともにボールの位置で構成される。本稿では,フォスボールのゲーム状態を決定するフィギュア検出システムについて述べる。このデータセットを使用して、畳み込みニューラルネットワーク(CNN)ベースのエンドツーエンド回帰モデルをトレーニングし、各ロッドの回転とシフトを予測する。
論文参考訳（メタデータ） (2024-04-08T09:48:02Z)
Auto-Encoding Bayesian Inverse Games [36.06617326128679]
ゲームの性質が不明な逆ゲーム問題を考える。既存の最大推定手法は、未知のパラメータの点推定のみを提供する。ベイズ的視点を採り、ゲームパラメータの後方分布を構成する。この構造化されたVAEは、観測された相互作用のラベルのないデータセットから訓練することができる。
論文参考訳（メタデータ） (2024-02-14T02:17:37Z)
SMaRt: Improving GANs with Score Matching Regularity [94.81046452865583]
生成的敵ネットワーク(GAN)は通常、基礎となる多様体が複雑である非常に多様なデータから学ぶのに苦労する。スコアマッチングは、生成したデータポイントを実データ多様体へ持続的にプッシュする能力のおかげで、この問題に対する有望な解決策であることを示す。スコアマッチング規則性(SMaRt)を用いたGANの最適化を提案する。
論文参考訳（メタデータ） (2023-11-30T03:05:14Z)
On the Convergence of No-Regret Learning Dynamics in Time-Varying Games [89.96815099996132]
時間変化ゲームにおける楽観的勾配降下(OGD)の収束を特徴付ける。我々のフレームワークは、ゼロサムゲームにおけるOGDの平衡ギャップに対して鋭い収束境界をもたらす。また,静的ゲームにおける動的後悔の保証に関する新たな洞察も提供する。
論文参考訳（メタデータ） (2023-01-26T17:25:45Z)
Learning Correlated Equilibria in Mean-Field Games [62.14589406821103]
我々は平均場相関と粗相関平衡の概念を発展させる。ゲームの構造に関する仮定を必要とせず,効率よくゲーム内で学習できることが示される。
論文参考訳（メタデータ） (2022-08-22T08:31:46Z)
A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文参考訳（メタデータ） (2022-03-10T08:58:18Z)
An algorithmic solution to the Blotto game using multi-marginal couplings [27.35514815248438]
ヘテロジニアスな値を持つn個の戦場での一般2人プレイヤBlottoゲームに対する解を計算するための効率的なアルゴリズムについて述べる。提案アルゴリズムは,予算と戦場価値とは無関係に,時間O(n2 + eps-4)のeps最適解から抽出する。最適解が存在しない非対称値の場合、ナッシュ平衡は、同様の複雑さを持つeps-Nash平衡からアルゴリズムをサンプリングする。
論文参考訳（メタデータ） (2022-02-15T11:07:31Z)
Priming PCA with EigenGame [0.0]
我々は最近提案されたEigenGameアルゴリズムの拡張である Primed-PCA を紹介した。我々のアルゴリズムは、まずEigenGameを実行し、主成分の近似を取得し、次にその部分空間に正確なPCAを適用する。実験では,元のEigenGame論文のデータセット上で,5～25因子による収束速度の向上を実現した。
論文参考訳（メタデータ） (2021-09-08T15:16:53Z)
Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
論文参考訳（メタデータ） (2021-01-21T10:35:09Z)
Stochastic Optimization with Laggard Data Pipelines [65.20044914532221]
共通最適化手法の「データ抽出」拡張は同期手法よりも優れた性能を示すことを示す。具体的には、ミニバッチによる凸最適化において、データエコーは、最適統計率を維持しながら収束率の曲率に支配される部分の高速化をもたらすことを示す。
論文参考訳（メタデータ） (2020-10-26T14:55:31Z)
Exponential Convergence of Gradient Methods in Concave Network Zero-sum Games [6.129776019898013]
コンケーブネットワークゼロサムゲーム(NZSG)におけるナッシュ平衡の計算について検討する。この一般化において,凸凹型2プレーヤゼロサムゲームの様々なゲーム理論的性質が保存されていることを示す。
論文参考訳（メタデータ） (2020-07-10T16:56:56Z)

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。