論文の概要: Robust estimation algorithms don't need to know the corruption level

• arxiv url: http://arxiv.org/abs/2202.05453v1
• Date: Fri, 11 Feb 2022 05:18:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-14 14:19:03.293305
• Title: Robust estimation algorithms don't need to know the corruption level
• Title（参考訳）: ロバストな推定アルゴリズムは、腐敗レベルを知る必要がない
• Authors: Ayush Jain, Alon Orlitsky, Vaishakh Ravindrakumar
• Abstract要約: データの一部が破損しても、ロバストな推定アルゴリズムはうまく機能する。 彼らの大多数のアプローチは、破損したデータの断片に厳密な上限を与える場合にのみ、最適な精度にアプローチする。 この短いメモは、複雑で広範にわたるロバスト性問題を単純な幾何学的パズルに抽象化する。 パズルの解法を適用し、普遍的なメタテクニックを導出する。
• 参考スコア（独自算出の注目度）: 50.31562134370949
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real data are rarely pure. Hence the past half-century has seen great interest in robust estimation algorithms that perform well even when part of the data is corrupt. However, their vast majority approach optimal accuracy only when given a tight upper bound on the fraction of corrupt data. Such bounds are not available in practice, resulting in weak guarantees and often poor performance. This brief note abstracts the complex and pervasive robustness problem into a simple geometric puzzle. It then applies the puzzle's solution to derive a universal meta technique that converts any robust estimation algorithm requiring a tight corruption-level upper bound to achieve its optimal accuracy into one achieving essentially the same accuracy without using any upper bounds.
• Abstract（参考訳）: 実際のデータはまれに純粋である。 したがって、過去半世紀は、データの一部が破損してもうまく機能する堅牢な推定アルゴリズムに大きな関心が寄せられている。 しかし、その大多数は、破損したデータの割合に厳しい上限が与えられる場合にのみ、最適精度にアプローチする。 このような境界は実際には利用できないため、保証が弱く、しばしば性能が劣る。 この短いメモは、複雑で広範にわたるロバスト性問題を単純な幾何学的パズルに抽象化する。 次に、パズルの解を適用して普遍的メタ手法を導出し、強弱な汚職レベルの上界を必要とする任意の頑健な推定アルゴリズムを、上界を使わずにその最適精度を本質的に同じ精度で達成できるものに変換する。

関連論文リスト

• CLIPPER: Robust Data Association without an Initial Guess [38.56736000339334]
  初期推定を必要としないデータアソシエーションのためのグラフ理論の定式化について検討する。 既存のグラフ理論アプローチは、未重み付きグラフを最適化し、重み付きエッジに符号化された重要な一貫性情報を破棄し、NPハード問題を正確に解こうとする。 この問題に対して2つの緩和法を導入する: 凸半有限緩和法は経験的に厳密であることが判明し、CLIPPERと呼ばれる高速な1次アルゴリズムはミリ秒でほぼ最適解に到達する。
  論文  参考訳（メタデータ） (2024-02-11T19:16:01Z)
• Adversarially robust clustering with optimality guarantees [7.0830450321883935]
  我々はガウス以下の混合系から得られるデータポイントをクラスタリングする問題を考察する。 ロイドアルゴリズムのような最適ラベル誤りを確実に達成する既存の手法は、通常、外れ値に対して脆弱である。 本稿では, 対数外乱が存在する場合でも, 座標中央値に基づく単純なロバストアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-16T17:17:07Z)
• Corruption-Robust Algorithms with Uncertainty Weighting for Nonlinear Contextual Bandits and Markov Decision Processes [59.61248760134937]
  本稿では,$tildeO(sqrtT+zeta)$を後悔するアルゴリズムを提案する。 提案アルゴリズムは、最近開発された線形文脈帯域からの不確実性重み付き最小二乗回帰に依存する。 本稿では,提案アルゴリズムをエピソディックなMDP設定に一般化し,まず汚職レベル$zeta$への付加的依存を実現する。
  論文  参考訳（メタデータ） (2022-12-12T15:04:56Z)
• Fast and Robust Non-Rigid Registration Using Accelerated Majorization-Minimization [35.66014845211251]
  非剛性登録は、ターゲット形状と整合する非剛性な方法でソース形状を変形させるが、コンピュータビジョンにおける古典的な問題である。 既存のメソッドは通常$ell_p$型ロバストノルムを使用してアライメントエラーを測定し、変形の滑らかさを規則化する。 本稿では、アライメントと正規化のためのグローバルなスムーズなロバストノルムに基づく、ロバストな非剛体登録のための定式化を提案する。
  論文  参考訳（メタデータ） (2022-06-07T16:00:33Z)
• Nearly Optimal Algorithms for Linear Contextual Bandits with Adversarial Corruptions [98.75618795470524]
  本稿では,敵対的腐敗の存在下での線形文脈的包帯問題について検討する。 我々は不確実性に直面した楽観主義の原理に基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-13T17:58:58Z)
• Mean-based Best Arm Identification in Stochastic Bandits under Reward Contamination [80.53485617514707]
  本稿では,ギャップベースアルゴリズムと逐次除去に基づく2つのアルゴリズムを提案する。 具体的には、ギャップベースのアルゴリズムでは、サンプルの複雑さは定数要素まで最適であり、連続的な除去では対数因子まで最適である。
  論文  参考訳（メタデータ） (2021-11-14T21:49:58Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Quasi-Newton Solver for Robust Non-Rigid Registration [35.66014845211251]
  データフィッティングと正規化のための大域的スムーズなロバスト推定器に基づくロバストな非剛性登録のための定式化を提案する。 本稿では,L-BFGS を用いた最小二乗問題の解法に,各繰り返しを減らし,最大化最小化アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2020-04-09T01:45:05Z)
• Corruption-Tolerant Gaussian Process Bandit Optimization [130.60115798580136]
  未知(典型的には非生成)関数を有界ノルムで最適化する問題を考察する。 我々は「高速だが非ローバスト」と「スロー」に基づく高速スローGP-UCBに基づくアルゴリズムを提案する。 ある種の依存関係は、汚職レベルによっては要求できない、と我々は主張する。
  論文  参考訳（メタデータ） (2020-03-04T09:46:58Z)

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。