Fugu-MT 論文翻訳(概要): Dynamic Structure Estimation from Bandit Feedback

論文の概要: Dynamic Structure Estimation from Bandit Feedback

arxiv url: http://arxiv.org/abs/2206.00861v1
Date: Thu, 2 Jun 2022 03:48:29 GMT
ステータス: 処理完了
システム内更新日: 2022-06-03 14:53:58.439042
Title: Dynamic Structure Estimation from Bandit Feedback
Title（参考訳）: バンディットフィードバックによる動的構造推定
Authors: Motoya Ohnishi, Isao Ishikawa, Yuko Kuroki, Masahiro Ikeda
Abstract要約: 準ガウス雑音によって汚染された帯域フィードバックから動的構造を推定する問題に対処する。実験の結果はセルラーオートマタを含むおもちゃの例のシミュレーションで実験的に検証された。
参考スコア（独自算出の注目度）: 11.846671589708425
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work present novel method for structure estimation of an underlying dynamical system. We tackle problems of estimating dynamic structure from bandit feedback contaminated by sub-Gaussian noise. In particular, we focus on periodically behaved discrete dynamical system in the Euclidean space, and carefully identify certain obtainable subset of full information of the periodic structure. We then derive a sample complexity bound for periodic structure estimation. Technically, asymptotic results for exponential sums are adopted to effectively average out the noise effects while preventing the information to be estimated from vanishing. For linear systems, the use of the Weyl sum further allows us to extract eigenstructures. Our theoretical claims are experimentally validated on simulations of toy examples, including Cellular Automata.
Abstract（参考訳）: 本稿では,基礎となる力学系の構造推定法を提案する。サブガウシアンノイズにより汚染されたバンディットフィードバックから動的構造を推定する問題に取り組む。特に、ユークリッド空間における周期的に振る舞う離散力学系に注目し、周期構造の全情報の特定の取得可能な部分集合を注意深く同定する。次に、周期構造推定に束縛されたサンプル複雑性を導出する。理論的には、指数和に対する漸近的な結果を用いてノイズ効果を効果的に平均し、情報を消失させるのを防ぐ。線形系では、ワイル和を用いることでさらに固有構造を抽出することができる。我々の理論的な主張は、セルラーオートマタを含むおもちゃの例のシミュレーションで実験的に検証されている。

関連論文リスト

Information limits and Thouless-Anderson-Palmer equations for spiked matrix models with structured noise [19.496063739638924]
構造スパイクモデルに対するベイズ推定の飽和問題を考える。適応的なThouless-Anderson-Palmer方程式の理論にインスパイアされた効率的なアルゴリズムを用いて、統計的限界を予測する方法を示す。
論文参考訳（メタデータ） (2024-05-31T16:38:35Z)
Weak Collocation Regression for Inferring Stochastic Dynamics with L\'{e}vy Noise [8.15076267771005]
本稿では,L'evyノイズを伴う力学を抽出するためのFokker-Planck(FP)方程式の弱い形式を提案する。本手法は,多次元問題においても混合雑音を同時に識別することができる。
論文参考訳（メタデータ） (2024-03-13T06:54:38Z)
Score-based Diffusion Models in Function Space [140.792362459734]
拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
論文参考訳（メタデータ） (2023-02-14T23:50:53Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Extracting stochastic dynamical systems with $\alpha$-stable L\'evy noise from data [14.230182518492311]
本稿では,短時間のバーストデータから$$alpha$-stable L'evyノイズを持つシステムを抽出するデータ駆動方式を提案する。より具体的には、最初にL'evyジャンプ測度と雑音強度を推定する。次に,非局所クラマース・モヤル式と正規化流を組み合わせることでドリフト係数を近似する。
論文参考訳（メタデータ） (2021-09-30T06:57:42Z)
Consistency of mechanistic causal discovery in continuous-time using Neural ODEs [85.7910042199734]
ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-06T08:48:02Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Representation Learning for Sequence Data with Deep Autoencoding Predictive Components [96.42805872177067]
本稿では,シーケンスデータの有用な表現が潜在空間における単純な構造を示すべきという直感に基づく,シーケンスデータの自己教師型表現学習法を提案する。我々は,過去と将来のウィンドウ間の相互情報である潜在特徴系列の予測情報を最大化することにより,この潜時構造を奨励する。提案手法は,ノイズの多い動的システムの潜時空間を復元し,タスク予測のための予測特徴を抽出し,エンコーダを大量の未ラベルデータで事前訓練する場合に音声認識を改善する。
論文参考訳（メタデータ） (2020-10-07T03:34:01Z)
Explicit Regularisation in Gaussian Noise Injections [64.11680298737963]
ガウスノイズインジェクション(GNI)によるニューラルネットワークの正規化の検討 GNIの明示的な正則化を導出する。このような正規化は、大きな分類マージンを持つ校正分類器を生成することを分析的かつ実証的に示す。
論文参考訳（メタデータ） (2020-07-14T21:29:46Z)
A Data-Driven Approach for Discovering Stochastic Dynamical Systems with Non-Gaussian Levy Noise [5.17900889163564]
ノイズの多いデータセットから規制法則を抽出する新しいデータ駆動手法を開発した。まず, ドリフト係数, 拡散係数, ジャンプ測度を表現し, 実現可能な理論的枠組みを確立する。そこで我々は, ドリフト, 拡散係数, ジャンプ測度を計算する数値アルゴリズムを設計し, ガウス雑音および非ガウス雑音による支配方程式を抽出する。
論文参考訳（メタデータ） (2020-05-07T21:29:17Z)
Active Learning for Identification of Linear Dynamical Systems [12.056495277232118]
アルゴリズムが達成した有限時間境界推定率を示す。そこで本研究では,ノイズを発生させることによって得られるオーバレートを,アルゴリズムが確実に改善する事例をいくつか分析する。
論文参考訳（メタデータ） (2020-02-02T21:30:38Z)

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。