Fugu-MT 論文翻訳(概要): Cooperative Online Learning with Feedback Graphs

論文の概要: Cooperative Online Learning with Feedback Graphs

arxiv url: http://arxiv.org/abs/2106.04982v5
Date: Fri, 9 Aug 2024 20:52:26 GMT
ステータス: 処理完了
システム内更新日: 2024-08-14 01:37:20.455572
Title: Cooperative Online Learning with Feedback Graphs
Title（参考訳）: フィードバックグラフを用いた協調オンライン学習
Authors: Nicolò Cesa-Bianchi, Tommaso R. Cesari, Riccardo Della Vecchia,
Abstract要約: 協調的なオンライン学習環境におけるコミュニケーションとフィードバックの相互作用について検討する。我々の分析は、専門家や盗賊のフィードバックによる協調的なオンライン学習のための、これまでに知られていた多くの境界として回復する。
参考スコア（独自算出の注目度）: 14.064491732635233
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the interplay between communication and feedback in a cooperative online learning setting, where a network of communicating agents learn a common sequential decision-making task through a feedback graph. We bound the network regret in terms of the independence number of the strong product between the communication network and the feedback graph. Our analysis recovers as special cases many previously known bounds for cooperative online learning with expert or bandit feedback. We also prove an instance-based lower bound, demonstrating that our positive results are not improvable except in pathological cases. Experiments on synthetic data confirm our theoretical findings.
Abstract（参考訳）: 協調的なオンライン学習環境におけるコミュニケーションとフィードバックの相互作用について検討し,コミュニケーションエージェントのネットワークがフィードバックグラフを通して共通のシーケンシャルな意思決定タスクを学習する。我々は、通信ネットワークとフィードバックグラフの間の強力なプロダクトの独立性の点で、ネットワークを後悔している。我々の分析は、専門家や盗賊のフィードバックによる協調的なオンライン学習のための、これまでに知られていた多くの境界として回復する。また,症例ベースの下限を証明し,病理症例以外は正の値が即効しないことを示した。合成データに関する実験は、我々の理論的な発見を裏付けるものである。

関連論文リスト

Exploiting Structure in Offline Multi-Agent RL: The Benefits of Low Interaction Rank [52.831993899183416]
相互作用ランクという構造的仮定を導入し、相互作用ランクの低い関数が一般的なものよりも分布シフトに対して著しく堅牢であることを示す。我々は,非正規化と非正規化学習と組み合わせることで,オフラインMARLにおける分散的,計算的,統計的に効率的な学習が可能であることを実証した。
論文参考訳（メタデータ） (2024-10-01T22:16:22Z)
On Discprecncies between Perturbation Evaluations of Graph Neural Network Attributions [49.8110352174327]
我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
論文参考訳（メタデータ） (2024-01-01T02:03:35Z)
Gossiped and Quantized Online Multi-Kernel Learning [39.057968279167966]
ネットワーク内の各ノードが通信できる限り、分散およびオンラインマルチカーネル学習がサブ線形後悔をもたらすことを示す。このレターは、これらの結果を非完全連結グラフに拡張するが、これは無線センサーネットワークでよく見られる。本稿では,ゴシップアルゴリズムを提案し,それがサブ線形後悔を達成できることを示す。
論文参考訳（メタデータ） (2023-01-24T07:12:40Z)
Modality Competition: What Makes Joint Training of Multi-modal Network Fail in Deep Learning? (Provably) [75.38159612828362]
最高のユニモーダルネットワークは、共同で訓練されたマルチモーダルネットワークよりも優れていることが観察されている。この研究は、ニューラルネットワークにおけるそのようなパフォーマンスギャップの出現に関する理論的な説明を提供する。
論文参考訳（メタデータ） (2022-03-23T06:21:53Z)
Finite-Time Consensus Learning for Decentralized Optimization with Nonlinear Gossiping [77.53019031244908]
本稿では,非線形ゴシップ(NGO)に基づく分散学習フレームワークを提案する。コミュニケーション遅延とランダム化チャットが学習にどう影響するかを解析することで,実践的なバリエーションの導出が可能となる。
論文参考訳（メタデータ） (2021-11-04T15:36:25Z)
Asynchronous Upper Confidence Bound Algorithms for Federated Linear Bandits [35.47147821038291]
本稿では,同種クライアントと異種クライアントの集合に対する非同期モデル更新と通信を行う汎用フレームワークを提案する。この分散学習フレームワークにおける後悔とコミュニケーションのコストに関する厳密な理論的分析が提供される。
論文参考訳（メタデータ） (2021-10-04T14:01:32Z)
On In-network learning. A Comparative Study with Federated and Split Learning [14.924672048447338]
本稿では,無線ネットワークにおいて,分散抽出機能を用いて推論を行う問題について考察する。本稿では,提案するアーキテクチャを「ネットワーク内学習」と呼び,適切な損失関数を提供し,ニューラルネットワークを用いた最適化について考察する。
論文参考訳（メタデータ） (2021-04-30T11:50:11Z)
NetReAct: Interactive Learning for Network Summarization [60.18513812680714]
本論文では,テキストコーポラによる感覚生成のネットワーク可視化を支援する,新しいインタラクティブネットワーク要約アルゴリズムであるNetReActを提案する。 netreactが、他の非自明なベースラインよりも、隠れたパターンを明らかにする高品質な要約や視覚化の生成に成功していることを示す。
論文参考訳（メタデータ） (2020-12-22T03:56:26Z)
Robust Asynchronous and Network-Independent Cooperative Learning [1.712689361909955]
エージェントのネットワークが仮説に共同で同意しようとする分散非ベイズ学習による協調学習のモデルを考える。提案した学習力学は,ネットワーク内のすべてのエージェントが,誤った仮説に対する信念を指数関数的に崩壊させることを保証している。
論文参考訳（メタデータ） (2020-10-20T03:54:20Z)
Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文参考訳（メタデータ） (2020-08-19T04:53:31Z)
Social Network Analytics for Churn Prediction in Telco: Model Building, Evaluation and Network Architecture [8.592714155264613]
ソーシャルネットワークのアナリティクスは、通信業界で顧客の混乱を予測するために使われており、大きな成功を収めている。我々は,8つのコール・ディテール・レコード・データセットに適用することにより,関係学習者を構築するための様々な戦略をベンチマークする。本稿では,通信業界におけるソーシャルネットワーク分析の適用方法に関するガイドラインを最適に提示する。
論文参考訳（メタデータ） (2020-01-18T17:09:22Z)

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。