Fugu-MT 論文翻訳(概要): Distributionally Robust Optimization using Cost-Aware Ambiguity Sets

論文の概要: Distributionally Robust Optimization using Cost-Aware Ambiguity Sets

arxiv url: http://arxiv.org/abs/2303.09408v1
Date: Thu, 16 Mar 2023 15:41:06 GMT
ステータス: 処理完了
システム内更新日: 2023-03-17 14:53:03.063252
Title: Distributionally Robust Optimization using Cost-Aware Ambiguity Sets
Title（参考訳）: コスト対応曖昧性集合を用いた分布的ロバスト最適化
Authors: Mathijs Schuurmans and Panagiotis Patrinos
Abstract要約: 本稿では,分散ロバスト最適化(DRO)のためのあいまい性の新たなクラスを提案する。得られたDRO法は,高信頼な上限と,サンプル外予測コストの一貫した推定値の両方を提供することを示す。
参考スコア（独自算出の注目度）: 2.5527135865177177
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a novel class of ambiguity sets for distributionally robust optimization (DRO). These ambiguity sets, called cost-aware ambiguity sets, are defined as halfspaces which depend on the cost function evaluated at an independent estimate of the optimal solution, thus excluding only those distributions that are expected to have significant impact on the obtained worst-case cost. We show that the resulting DRO method provides both a high-confidence upper bound and a consistent estimator of the out-of-sample expected cost, and demonstrate empirically that it results in less conservative solutions compared to divergence-based ambiguity sets.
Abstract（参考訳）: 本稿では,分散ロバスト最適化(DRO)のためのあいまい性の新たなクラスを提案する。これらの曖昧性集合はコスト認識曖昧性集合と呼ばれ、最適解の独立な推定で評価されるコスト関数に依存する半空間として定義される。得られたDRO法は,高信頼上界と外乱予測コストの一貫した推定器の両方を提供し,分散に基づく曖昧性集合に比べて保守的解が低いことを実証的に示す。

関連論文リスト

Distributed Distributionally Robust Optimization with Non-Convex Objectives [24.64654924173679]
Asynchronous Single-looP alternatIve gRadient projEction という非同期分散アルゴリズムを提案する。新しい不確実性集合、すなわち制約付きD-ノルムの不確実性集合は、以前の分布を利用し、強靭性の度合いを柔軟に制御するために開発される。実世界のデータセットに関する実証研究は、提案手法が高速収束を達成できるだけでなく、悪意のある攻撃だけでなく、データに対する堅牢性も維持できることを示した。
論文参考訳（メタデータ） (2022-10-14T07:39:13Z)
Connect the Dots: Tighter Discrete Approximations of Privacy Loss Distributions [49.726408540784334]
PLDベースの会計の鍵となる問題は、特定の個別サポートに対してPLDと(潜在的に連続的な)PLDをどのように近似するかである。悲観的推定はすべての悲観的推定の中で最良であることを示す。
論文参考訳（メタデータ） (2022-07-10T04:25:02Z)
Doubly Robust Distributionally Robust Off-Policy Evaluation and Learning [59.02006924867438]
オフ政治評価と学習(OPE/L)は、オフラインの観察データを使用してより良い意思決定を行う。近年の研究では、分散ロバストなOPE/L (DROPE/L) が提案されているが、この提案は逆正則重み付けに依存している。 KL分散不確実性集合を用いたDROPE/Lの最初のDRアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-02-19T20:00:44Z)
Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。これらの問題に対する新規で簡単な最適化法を開発した。結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文参考訳（メタデータ） (2021-09-23T17:38:24Z)
Variational Refinement for Importance Sampling Using the Forward Kullback-Leibler Divergence [77.06203118175335]
変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
論文参考訳（メタデータ） (2021-06-30T11:00:24Z)
Wasserstein Robust Support Vector Machines with Fairness Constraints [15.004754864933705]
我々は分布の不確かさをモデル化するために経験的分布を中心とするタイプ$infty$ wasserstein ambiguityセットを用いる。提案手法は,予測精度の損なうことなく,公平性を向上することを示す。
論文参考訳（メタデータ） (2021-03-11T17:53:54Z)
Residuals-based distributionally robust optimization with covariate information [0.0]
我々は、分散ロバスト最適化(DRO)における機械学習予測モデルを統合するデータ駆動アプローチを検討する。私たちのフレームワークは、さまざまな学習設定やDROあいまいさセットに対応できるという意味で柔軟です。
論文参考訳（メタデータ） (2020-12-02T11:21:34Z)
Optimal Algorithms for Stochastic Multi-Armed Bandits with Heavy Tailed Rewards [24.983866845065926]
我々は、重い尾の報酬を持つマルチアームのバンディットを考えており、そのp$-thのモーメントは、定数$nu_p$が1pleq2$である。本稿では,従来の情報として$nu_p$を必要としない新しいロバストな推定器を提案する。提案した推定器の誤差確率は指数関数的に高速に減衰することを示す。
論文参考訳（メタデータ） (2020-10-24T10:44:02Z)
Distributional Robustness and Regularization in Reinforcement Learning [62.23012916708608]
経験値関数の新しい正規化器を導入し、ワッサーシュタイン分布のロバストな値関数を下限とすることを示す。強化学習における$textitexternalな不確実性に対処するための実用的なツールとして正規化を使用することを提案する。
論文参考訳（メタデータ） (2020-03-05T19:56:23Z)
Distributionally Robust Bayesian Optimization [121.71766171427433]
そこで本研究では,ゼロ次雑音最適化のための分散ロバストなベイズ最適化アルゴリズム(DRBO)を提案する。提案アルゴリズムは, 種々の設定において, 線形に頑健な後悔を確実に得る。提案手法は, 実世界のベンチマークと実世界のベンチマークの両方において, 頑健な性能を示す。
論文参考訳（メタデータ） (2020-02-20T22:04:30Z)

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。