論文の概要: Optimal Observation-Intervention Trade-Off in Optimisation Problems with
Causal Structure
- arxiv url: http://arxiv.org/abs/2309.02287v1
- Date: Tue, 5 Sep 2023 14:46:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 14:14:00.641211
- Title: Optimal Observation-Intervention Trade-Off in Optimisation Problems with
Causal Structure
- Title(参考訳): 因果構造を考慮した最適観測・干渉トレードオフ
- Authors: Kim Hammar and Neil Dhir
- Abstract要約: 観察・干渉トレードオフは筋電図的でない最適停止問題として定式化できることを示す。
我々の定式化は、実および合成ベンチマーク上で既存のアルゴリズムを強化することができることを示す。
- 参考スコア(独自算出の注目度): 1.724169474984623
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We consider the problem of optimising an expensive-to-evaluate grey-box
objective function, within a finite budget, where known side-information exists
in the form of the causal structure between the design variables. Standard
black-box optimisation ignores the causal structure, often making it
inefficient and expensive. The few existing methods that consider the causal
structure are myopic and do not fully accommodate the observation-intervention
trade-off that emerges when estimating causal effects. In this paper, we show
that the observation-intervention trade-off can be formulated as a non-myopic
optimal stopping problem which permits an efficient solution. We give
theoretical results detailing the structure of the optimal stopping times and
demonstrate the generality of our approach by showing that it can be integrated
with existing causal Bayesian optimisation algorithms. Experimental results
show that our formulation can enhance existing algorithms on real and synthetic
benchmarks.
- Abstract(参考訳): 設計変数間の因果構造の形で、既知の側情報が存在する有限予算内で、コスト対評価グレーボックスの目的関数を最適化する問題を考察する。
標準ブラックボックス最適化は因果構造を無視し、しばしば非効率で費用がかかる。
因果構造を考慮に入れた数少ない方法が筋電図であり、因果効果を推定する際に生じる観察・干渉トレードオフを完全に満たさない。
本稿では,効率的な解法を実現する非筋覚的最適停止問題として観察・干渉トレードオフを定式化できることを示す。
最適停止時間の構造を詳述した理論的結果を与え,既存の因果ベイズ最適化アルゴリズムと統合できることを示すことにより,提案手法の汎用性を示す。
実験の結果,本手法は実および合成ベンチマークにおいて既存のアルゴリズムを拡張できることが判明した。
関連論文リスト
- Multi-Objective Causal Bayesian Optimization [2.5311562666866494]
マルチターゲット因果グラフ内の最適介入を特定するために,MO-CBO(Multi-Objective Causal Bayesian Optimization)を提案する。
我々はMO-CBOを複数の従来の多目的最適化タスクに分解可能であることを示す。
提案手法は,合成と実世界の因果グラフの両方で検証する。
論文 参考訳(メタデータ) (2025-02-20T17:26:16Z) - A Novel Unified Parametric Assumption for Nonconvex Optimization [53.943470475510196]
非最適化は機械学習の中心であるが、一般の非凸性は弱い収束を保証するため、他方に比べて悲観的すぎる。
非凸アルゴリズムに新しい統一仮定を導入する。
論文 参考訳(メタデータ) (2025-02-17T21:25:31Z) - Constrained Bayesian Optimization Under Partial Observations: Balanced
Improvements and Provable Convergence [6.461785985849886]
我々は、制約付きベイズ最適化の枠組みの下で、高価なPOCOPの効率的かつ証明可能な手法を設計する。
本稿では,最適化時の平衡探索を取り入れた取得関数の設計を改良した。
部分的に観測可能な制約に対する代理モデルとして異なる確率を埋め込んだガウス過程を提案する。
論文 参考訳(メタデータ) (2023-12-06T01:00:07Z) - Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。
1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。
本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
論文 参考訳(メタデータ) (2023-01-28T01:50:42Z) - Model-based Causal Bayesian Optimization [78.120734120667]
モデルに基づく因果ベイズ最適化(MCBO)を提案する。
MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。
標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
論文 参考訳(メタデータ) (2022-11-18T14:28:21Z) - Causal Entropy Optimization [12.708838587765307]
コーサルベイズ最適化(CBO)を一般化し,不確実性の原因を全て考慮する枠組みを提案する。
CEOは因果構造の不確実性を、因果効果の代理モデルと、介入の選択に使用されるメカニズムの両方に組み込んでいる。
CEOは、グラフを学習しながら、CBOと比較してグローバルな最適化に早く収束する。
論文 参考訳(メタデータ) (2022-08-23T13:58:09Z) - Tree ensemble kernels for Bayesian optimization with known constraints
over mixed-feature spaces [54.58348769621782]
木アンサンブルはアルゴリズムチューニングやニューラルアーキテクチャ検索といったブラックボックス最適化タスクに適している。
ブラックボックス最適化にツリーアンサンブルを使うことの2つのよく知られた課題は、探索のためのモデル不確実性を効果的に定量化し、また、 (ii) ピースワイドな定値取得関数を最適化することである。
我々のフレームワークは、連続/離散的機能に対する非拘束ブラックボックス最適化のための最先端の手法と同様に、混合変数の特徴空間と既知の入力制約を組み合わせた問題の競合する手法よりも優れている。
論文 参考訳(メタデータ) (2022-07-02T16:59:37Z) - Multi-task Learning of Order-Consistent Causal Graphs [59.9575145128345]
我々は、$K関連ガウス非巡回グラフ(DAG)の発見問題を考える。
マルチタスク学習環境下では, 線形構造方程式モデルを学習するためのMLE ($l_1/l$-regularized maximum chance estimator) を提案する。
理論的には、関係するタスクにまたがるデータを活用することで、因果順序を復元する際のサンプルの複雑さをより高めることができることを示す。
論文 参考訳(メタデータ) (2021-11-03T22:10:18Z) - Quantum variational optimization: The role of entanglement and problem
hardness [0.0]
本稿では, 絡み合いの役割, 変動量子回路の構造, 最適化問題の構造について検討する。
数値計算の結果,絡み合うゲートの分布を問題のトポロジに適応させる利点が示唆された。
リスク型コスト関数に条件値を適用することで最適化が向上し、最適解と重複する確率が増大することを示す。
論文 参考訳(メタデータ) (2021-03-26T14:06:54Z) - Causal Bayesian Optimization [8.958125394444679]
本研究では、介入の順序が実行される因果モデルの一部である関心の変数をグローバルに最適化する問題について検討する。
私たちのアプローチは、因果推論、不確実性定量化、シーケンシャルな意思決定といったアイデアを組み合わせています。
因果グラフを理解することで、最適な意思決定戦略を推論する能力が大幅に向上することを示す。
論文 参考訳(メタデータ) (2020-05-24T13:20:50Z) - A General Framework for Consistent Structured Prediction with Implicit
Loss Embeddings [113.15416137912399]
構造化予測のための理論的・アルゴリズム的な枠組みを提案し,解析する。
問題に対して適切な幾何を暗黙的に定義する、損失関数の大規模なクラスについて検討する。
出力空間を無限の濃度で扱うとき、推定子の適切な暗黙の定式化が重要であることが示される。
論文 参考訳(メタデータ) (2020-02-13T10:30:04Z)
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。