論文の概要: Clustered Switchback Experiments: Near-Optimal Rates Under
Spatiotemporal Interference
- arxiv url: http://arxiv.org/abs/2312.15574v3
- Date: Tue, 6 Feb 2024 18:36:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 11:36:38.401980
- Title: Clustered Switchback Experiments: Near-Optimal Rates Under
Spatiotemporal Interference
- Title(参考訳): クラスタースイッチバック実験:時空間干渉下における近似最適速度
- Authors: Su Jia, Nathan Kallus, Christina Lee Yu
- Abstract要約: 我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して,Horvitz-Thompson推定器が$tilde O(1/NT)$ mean-squared error (MSE)を達成し,$Omega (1/NT)$ lower bound to logarithmic termsと一致することを示す。
- 参考スコア(独自算出の注目度): 50.17596656599103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider experimentation in the presence of non-stationarity, inter-unit
(spatial) interference, and carry-over effects (temporal interference), where
we wish to estimate the global average treatment effect (GATE), the difference
between average outcomes having exposed all units at all times to treatment or
to control. We suppose spatial interference is described by a graph, where a
unit's outcome depends on its neighborhood's treatment assignments, and that
temporal interference is described by a hidden Markov decision process, where
the transition kernel under either treatment (action) satisfies a rapid mixing
condition. We propose a clustered switchback design, where units are grouped
into clusters and time steps are grouped into blocks and each whole
cluster-block combination is assigned a single random treatment. Under this
design, we show that for graphs that admit good clustering, a truncated
exposure-mapping Horvitz-Thompson estimator achieves $\tilde O(1/NT)$
mean-squared error (MSE), matching an $\Omega(1/NT)$ lower bound up to
logarithmic terms. Our results simultaneously generalize the $N=1$ setting of
Hu, Wager 2022 (and improves on the MSE bound shown therein for
difference-in-means estimators) as well as the $T=1$ settings of Ugander et al
2013 and Leung 2022. Simulation studies validate the favorable performance of
our approach.
- Abstract(参考訳): 我々は,非定常性,ユニット間干渉(空間的)干渉,時空間干渉(時空間干渉)の存在下での実験を考察し,グローバル平均治療効果(GATE)を推定し,全てのユニットが常に治療や制御のために露出した平均結果の差について検討した。
空間的干渉はグラフによって記述され、単位の結果はその近傍の処理割り当てに依存し、時間的干渉は隠れマルコフ決定過程によって記述され、どちらの処理(作用)下の遷移核も急速な混合条件を満たすと仮定する。
本稿では,単位をクラスタにグループ化し,時間ステップをブロックにグループ化し,各クラスタとブロックの組み合わせに単一のランダムな処理を割り当てるクラスタ型スイッチバック設計を提案する。
この設計では、良好なクラスタリングを許容するグラフに対して、Truncated exposure-mapping Horvitz-Thompson estimator が$\tilde O(1/NT)$ mean-squared error (MSE) を達成し、$\Omega(1/NT)$ lower bound to logarithmic terms と一致することを示す。
結果は同時に、hu, wager 2022 の $n=1$ 設定を一般化し、また ugander et al 2013 と leung 2022 の $t=1$ 設定を一般化した。
シミュレーション研究は我々のアプローチの好ましい性能を検証する。
関連論文リスト
- Neural-network quantum state study of the long-range antiferromagnetic
Ising chain [0.8668681178945166]
長距離反強磁性相互作用の崩壊を伴う横磁場イジング鎖の量子相転移について検討する。
中心電荷は、短距離(SR)イジング値に非常に近い臨界指数に対して、小さな崩壊指数$alpha_mathrmLR$で1/2から逸脱する。
論文 参考訳(メタデータ) (2023-08-18T17:58:36Z) - Spectral Normalized-Cut Graph Partitioning with Fairness Constraints [18.835004555146575]
正規化されたグラフ分割は、グラフ内のノードの集合を$k$ディスジョイントクラスタに分割して、任意のクラスタと他のクラスタ間の全エッジの分画を最小限にすることを目的としている。
本稿では,ノードが異なる階層群に属することを示す分類学的属性によって特徴付けられる分割問題の公平な変種について考察する。
私たちの目標は、正規化されたカット値を最小化しながら、各グループが各クラスタにほぼ比例的に表現されることを保証することです。
論文 参考訳(メタデータ) (2023-07-22T12:20:46Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳(メタデータ) (2023-06-27T08:15:28Z) - Variance-Dependent Regret Bounds for Linear Bandits and Reinforcement
Learning: Adaptivity and Computational Efficiency [90.40062452292091]
本稿では,不整合雑音を持つ線形帯域に対する計算効率のよい最初のアルゴリズムを提案する。
我々のアルゴリズムは未知のノイズの分散に適応し、$tildeO(d sqrtsum_k = 1K sigma_k2 + d)$ regretを達成する。
また、強化学習において、線形混合マルコフ決定過程(MDP)に対する分散適応アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-21T00:17:24Z) - Optimal Clustering with Bandit Feedback [84.04424523097168]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳(メタデータ) (2022-02-09T06:05:05Z) - Dissipation and gate timing errors in SWAP operations of qubits [0.0]
応答量子ビットの連鎖上のSWAPゲート列の忠実度に及ぼす散逸とゲートタイミング誤差の影響について検討する。
その結果, SWAP 操作の完全性は低下することがわかった。
ゲートタイミング誤差が$J_textSWAP$の効果的な最適値を生成し、不確実性が増大し始めます。
論文 参考訳(メタデータ) (2021-10-21T17:59:01Z) - A Stochastic Alternating Balance $k$-Means Algorithm for Fair Clustering [0.0]
ローン申請や広告などの人間中心の意思決定システムへのデータクラスタリングの適用において、クラスタリングの結果は異なる人口集団の人々に対して差別される可能性がある。
そこで我々は,$k$-meansの更新とグループスワップ更新を併用した,新たな交代バランス型$k$-means (SAKM) アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-05-29T01:47:15Z) - Federated Functional Gradient Boosting [75.06942944563572]
フェデレーション学習における機能最小化に関する研究
FFGB.C と FFGB.L は、特徴分布がより均一になるにつれて収束半径が 0 に縮まる。
論文 参考訳(メタデータ) (2021-03-11T21:49:19Z) - Synthetic Interventions [20.96904429337912]
各ユニットの介入にともなう潜在的な結果を学習し、合計で$N倍D$因果パラメータを学習する。
我々は、これらの$NのD$因果的パラメータを推測するために、因果的枠組み、合成的介入(SI)を提案する。
この結果は,データ効率のよいランダム化実験の設計に影響を及ぼす可能性がある。
論文 参考訳(メタデータ) (2020-06-13T18:15:22Z) - Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and
Variance Reduction [63.41789556777387]
非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。
Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
論文 参考訳(メタデータ) (2020-06-04T17:51:00Z)
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。