論文の概要: Improved Compression Bounds for Scenario Decision Making
- arxiv url: http://arxiv.org/abs/2501.08884v1
- Date: Wed, 15 Jan 2025 15:53:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-16 15:51:27.666651
- Title: Improved Compression Bounds for Scenario Decision Making
- Title（参考訳）: シナリオ決定のための圧縮境界の改善
- Authors: Guillaume O. Berger, Raphaël M. Jungers,
- Abstract要約: 我々は、不確実性のサンプルを描画し、そのサンプルに基づいて意思決定を行うことにより、不確実な環境での意思決定方法を示す。
確率保証は、障害のリスクが与えられた最大許容値を超える決定につながるシナリオの集合をサンプリングする確率に縛られる。
我々は,問題に対するより強い仮定を必要とせず,既存の問題を改善する新たな限界を提案する。
- 参考スコア（独自算出の注目度）: 0.7673339435080445
- License:
- Abstract: Scenario decision making offers a flexible way of making decision in an uncertain environment while obtaining probabilistic guarantees on the risk of failure of the decision. The idea of this approach is to draw samples of the uncertainty and make a decision based on the samples, called "scenarios". The probabilistic guarantees take the form of a bound on the probability of sampling a set of scenarios that will lead to a decision whose risk of failure is above a given maximum tolerance. This bound can be expressed as a function of the number of sampled scenarios, the maximum tolerated risk, and some intrinsic property of the problem called the "compression size". Several such bounds have been proposed in the literature under various assumptions on the problem. We propose new bounds that improve upon the existing ones without requiring stronger assumptions on the problem.
- Abstract（参考訳）: シナリオ決定は、不確実な環境で意思決定を行う柔軟な方法を提供すると同時に、決定の失敗のリスクに関する確率的保証を得る。
このアプローチの考え方は、不確実性のサンプルを引いて、"scenarios"と呼ばれるサンプルに基づいて決定することである。
確率的保証は、一連のシナリオをサンプリングする確率に縛られ、それが与えられた最大許容値を超えるリスクを持つ決定につながる。
この境界は、サンプルシナリオの数、最大許容リスク、および「圧縮サイズ」と呼ばれる問題の固有の性質の関数として表すことができる。
このような境界は、この問題に関する様々な前提の下で、文献で提案されている。
我々は,問題に対するより強い仮定を必要とせず,既存の問題を改善する新たな限界を提案する。
関連論文リスト
- Distributionally Robust Optimisation with Bayesian Ambiguity Sets [8.642152250082368]
ベイズアンビグニティセット(DRO-BAS)を用いた分布ロバスト最適化について紹介する。
DRO-BASは、後部インフォームドのあいまいさセットよりも最悪のケースリスクを最適化することで、モデルの不確実性に対してヘッジを行う。
本手法は,多くの指数関数族に対して閉形式双対表現を許容することを示す。
論文 参考訳（メタデータ） (2024-09-05T12:59:38Z) - Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。
提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
論文 参考訳（メタデータ） (2024-03-28T17:28:06Z) - One step closer to unbiased aleatoric uncertainty estimation [71.55174353766289]
そこで本研究では,観測データのアクティブデノイズ化による新しい推定手法を提案する。
幅広い実験を行うことで,提案手法が標準手法よりも実際のデータ不確実性にはるかに近い近似を与えることを示す。
論文 参考訳（メタデータ） (2023-12-16T14:59:11Z) - Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。
我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。
本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
論文 参考訳（メタデータ） (2023-12-07T15:55:58Z) - Online Constraint Tightening in Stochastic Model Predictive Control: A
Regression Approach [49.056933332667114]
確率制約付き最適制御問題に対する解析解は存在しない。
制御中の制約強調パラメータをオンラインで学習するためのデータ駆動型アプローチを提案する。
提案手法は, 確率制約を厳密に満たす制約強調パラメータを導出する。
論文 参考訳（メタデータ） (2023-10-04T16:22:02Z) - Margin theory for the scenario-based approach to robust optimization in
high dimension [0.0]
本稿では、ロバストな最適化のためのシナリオアプローチを扱う。
これは、問題の不確実性によって引き起こされる可能性のある無限個の制約のランダムサンプリングに依存する。
論文 参考訳（メタデータ） (2023-03-07T13:33:46Z) - Learning from a Biased Sample [3.546358664345473]
本稿では,テスト分布のファミリーで発生する最悪のリスクを最小限に抑える決定ルールの学習方法を提案する。
本研究では,健康調査データからメンタルヘルススコアの予測を行うケーススタディにおいて,提案手法を実証的に検証した。
論文 参考訳（メタデータ） (2022-09-05T04:19:16Z) - Risk Consistent Multi-Class Learning from Label Proportions [64.0125322353281]
本研究は,バッグにトレーニングインスタンスを提供するMCLLP設定によるマルチクラス学習に対処する。
既存のほとんどのMCLLPメソッドは、インスタンスの予測や擬似ラベルの割り当てにバッグワイズな制約を課している。
経験的リスク最小化フレームワークを用いたリスク一貫性手法を提案する。
論文 参考訳（メタデータ） (2022-03-24T03:49:04Z) - Dense Uncertainty Estimation via an Ensemble-based Conditional Latent
Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。
そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。
以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文 参考訳（メタデータ） (2021-11-22T08:54:10Z)
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。