論文の概要: Multi-agent Performative Prediction: From Global Stability and Optimality to Chaos

• arxiv url: http://arxiv.org/abs/2201.10483v1
• Date: Tue, 25 Jan 2022 17:26:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-26 18:23:56.253011
• Title: Multi-agent Performative Prediction: From Global Stability and Optimality to Chaos
• Title（参考訳）: マルチエージェント性能予測:グローバル安定性と最適性からカオスへ
• Authors: Georgios Piliouras and Fang-Yi Yu
• Abstract要約: このフレームワークの自然なマルチエージェントバージョンを導入し、複数の意思決定者が同じ結果を予測しようとします。 このような競合は、安定性から不安定性、そして最終的にはカオスへの相転移の可能性を証明することによって、興味深い現象をもたらす可能性があることを示す。
• 参考スコア（独自算出の注目度）: 42.40985526691935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recent framework of performative prediction is aimed at capturing settings where predictions influence the target/outcome they want to predict. In this paper, we introduce a natural multi-agent version of this framework, where multiple decision makers try to predict the same outcome. We showcase that such competition can result in interesting phenomena by proving the possibility of phase transitions from stability to instability and eventually chaos. Specifically, we present settings of multi-agent performative prediction where under sufficient conditions their dynamics lead to global stability and optimality. In the opposite direction, when the agents are not sufficiently cautious in their learning/updates rates, we show that instability and in fact formal chaos is possible. We complement our theoretical predictions with simulations showcasing the predictive power of our results.
• Abstract（参考訳）: 最近のパフォーマンス予測フレームワークは、予測が予測したいターゲット/アウトカムに影響を与える設定をキャプチャすることを目的としている。 本稿では、複数の意思決定者が同じ結果を予測しようとする、このフレームワークの自然なマルチエージェントバージョンを紹介する。 このような競合は、安定から不安定、最終的にはカオスに至る相転移の可能性を証明することによって、興味深い現象をもたらすことが示されている。 具体的には,十分な条件下において,そのダイナミクスがグローバル安定性と最適性をもたらすマルチエージェント実行予測の設定を提案する。 逆方向では,エージェントが学習/更新率に十分な注意を払っていない場合,不安定性や形式的カオスが可能であることを示す。 理論的な予測をシミュレーションで補完し,結果の予測能力を示す。

関連論文リスト

• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
  この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。 我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。 核の基準は既存の手法よりも正確で堅牢であることを示す。
  論文  参考訳（メタデータ） (2023-02-02T13:30:48Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Probabilistic Symmetry for Multi-Agent Dynamics [18.94585103009698]
  本稿では,多エージェント軌道の確率論的予測のための新しい動的モデルである確率的同変連続共進化(PECCO)を提案する。 PECCOは、非同変ベースラインに比べて精度とキャリブレーションが大幅に向上した。
  論文  参考訳（メタデータ） (2022-05-04T07:51:08Z)
• Robust Probabilistic Time Series Forecasting [20.235389891676512]
  本稿では,頑健な確率的時系列予測のためのフレームワークを提案する。 逆入力摂動の概念を一般化し、境界ワッサーシュタイン偏差の項でロバストネスの概念を定式化する。 本手法は,加法的対向攻撃による予測品質の向上と雑音観測の補足による予測整合性向上に実証的に有効である。
  論文  参考訳（メタデータ） (2022-02-24T05:46:26Z)
• Propagating State Uncertainty Through Trajectory Forecasting [34.53847097769489]
  軌道予測は(雑音の多い)上流の知覚によって入力が生成されるため不確実性に囲まれている。 ほとんどの軌道予測法は上流の不確かさを考慮せず、最も類似した値のみを取る。 本稿では,新しい統計的距離に基づく損失関数である軌道予測において,知覚状態の不確実性を取り入れた新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-10-07T08:51:16Z)
• Heterogeneous-Agent Trajectory Forecasting Incorporating Class Uncertainty [54.88405167739227]
  本稿では,エージェントのクラス確率を明示的に組み込んだヘテロジニアスエージェント軌道予測手法であるHAICUを提案する。 さらに,新たな挑戦的な実世界の自動運転データセットであるpupも紹介する。 軌道予測にクラス確率を組み込むことで,不確実性に直面した性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-04-26T10:28:34Z)
• Performative Prediction [31.876692592395777]
  本研究では,統計学,ゲーム理論,因果関係から概念を取り入れたパフォーマンス予測フレームワークを開発する。 概念的新奇性(conceptual novelty)は、私たちがパフォーマンス安定性と呼ぶ平衡概念である。 我々の主な成果は、ほぼ最小損失の演奏安定点への再訓練の収束に必要な十分条件である。
  論文  参考訳（メタデータ） (2020-02-16T20:29:42Z)

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。