論文の概要: Learning Revenue-Maximizing Auctions With Differentiable Matching
- arxiv url: http://arxiv.org/abs/2106.07877v1
- Date: Tue, 15 Jun 2021 04:37:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-16 14:58:50.220796
- Title: Learning Revenue-Maximizing Auctions With Differentiable Matching
- Title（参考訳）: 異なるマッチングによる収益最大化オークションの学習
- Authors: Michael J. Curry and Uro Lyi and Tom Goldstein and John Dickerson
- Abstract要約: サンプル評価から,インセンティブに適合し,収益を最大化するオークションを大まかに学習する新しいアーキテクチャを提案する。
我々のアーキテクチャはシンクホーンアルゴリズムを用いて、ネットワークが防御的な収益最大化メカニズムを学習できるように、差別化可能な二部マッチングを実行する。
- 参考スコア（独自算出の注目度）: 50.62088223117716
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a new architecture to approximately learn incentive compatible,
revenue-maximizing auctions from sampled valuations. Our architecture uses the
Sinkhorn algorithm to perform a differentiable bipartite matching which allows
the network to learn strategyproof revenue-maximizing mechanisms in settings
not learnable by the previous RegretNet architecture. In particular, our
architecture is able to learn mechanisms in settings without free disposal
where each bidder must be allocated exactly some number of items. In
experiments, we show our approach successfully recovers multiple known optimal
mechanisms and high-revenue, low-regret mechanisms in larger settings where the
optimal mechanism is unknown.
- Abstract（参考訳）: 我々は,サンプル評価からインセンティブ互換で収益を最大化するオークションを学習するための新しいアーキテクチャを提案する。
我々のアーキテクチャは、Sinkhornアルゴリズムを用いて、従来のRegretNetアーキテクチャでは学べないような環境で、ネットワークが防御的な収益最大化メカニズムを学習できるようにする、微分可能な二部マッチングを実行する。
特に、我々のアーキテクチャは、各入札者が正確にいくつかのアイテムを割り当てなければならない自由な処分なしに、設定でメカニズムを学習することができる。
実験では, 最適機構が不明な大規模環境で, 複数の既知最適機構と高レバレッジ, 低レグレット機構の回復に成功した。
関連論文リスト
- Selling Joint Ads: A Regret Minimization Perspective [7.288063443108292]
オンライン小売によるモチベーションにより、一品(広告スロットなど)を2つの非排除購入者(商店、ブランド等)に販売する問題を考える。
この問題は、例えば、マーチャントとブランドが商品を宣伝するために競売に協力して入札する状況と、表示されている広告の恩恵を捉えている。
メカニズムは2つの入札を収集し、どちらを割り当てるか、どの支払いを行うかを決定する。
論文 参考訳（メタデータ） (2024-09-12T07:59:10Z) - Refined Mechanism Design for Approximately Structured Priors via Active
Regression [50.71772232237571]
我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。
この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
論文 参考訳（メタデータ） (2023-10-11T20:34:17Z) - AdaEnsemble: Learning Adaptively Sparse Structured Ensemble Network for
Click-Through Rate Prediction [0.0]
AdaEnsemble: 異種機能相互作用の専門家の強みを生かしたスパース・ゲート・ミックス・オブ・エキスパートアーキテクチャを提案する。
AdaEnsembleは、機能相互作用の深さを適応的に選択し、対応するSparseMoEスタック層を見つけて、予測を終了し、計算することができる。
提案したAdaEnsembleを実装し,実世界のデータセット上での性能を評価する。
論文 参考訳（メタデータ） (2023-01-06T12:08:15Z) - Pareto-aware Neural Architecture Generation for Diverse Computational
Budgets [94.27982238384847]
既存の手法は、しばしば各目標予算に対して独立したアーキテクチャ探索プロセスを実行する。
提案するニューラルアーキテクチャジェネレータ(PNAG)は,任意の予算に対して,推論によって最適なアーキテクチャを動的に生成する。
このような共同探索アルゴリズムは、全体の検索コストを大幅に削減するだけでなく、結果も改善する。
論文 参考訳（メタデータ） (2022-10-14T08:30:59Z) - Differentiable Economics for Randomized Affine Maximizer Auctions [78.08387332417604]
差別化可能な経済学のための理想的なオークションアーキテクチャは、完全に戦略的であり、複数の入札者とアイテムをサポートし、最適なメカニズムを表現するのに十分な富がある。
複数の入札者をサポートし、完全に戦略的なアーキテクチャを提案するが、必ずしも最適なメカニズムを表現できない。
微分可能な経済の勾配に基づく最適化ツールを使用することで、私たちは宝くじのAMAを訓練し、収益の以前のアプローチと競合したり、上回ったりすることができる。
論文 参考訳（メタデータ） (2022-02-06T22:01:21Z) - Bayesian Embeddings for Few-Shot Open World Recognition [60.39866770427436]
埋め込みベースの数ショット学習アルゴリズムをオープンワールド認識設定に拡張する。
当社のフレームワークは,MiniImageNetとTieredImageNetによる数ショット学習データセットのオープンワールド拡張をベンチマークする。
論文 参考訳（メタデータ） (2021-07-29T00:38:47Z) - Certifying Strategyproof Auction Networks [53.37051312298459]
我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。
本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
論文 参考訳（メタデータ） (2020-06-15T20:22:48Z)
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。