論文の概要: Efficient Inverse Multiagent Learning

• arxiv url: http://arxiv.org/abs/2502.14160v1
• Date: Thu, 20 Feb 2025 00:07:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:28:36.011642
• Title: Efficient Inverse Multiagent Learning
• Title（参考訳）: 効率的な逆マルチエージェント学習
• Authors: Denizalp Goktas, Amy Greenwald, Sadie Zhao, Alec Koppel, Sumitra Ganesh,
• Abstract要約: 我々は,期待されるペイオフが平衡であるゲーム関数のパラメータを求めることを目標とする逆ゲーム理論(逆マルチエージェント学習)を考察する。 提案手法は, 時系列データに基づくスペイン電力市場の価格予測において, 広く利用されているARIMA法よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 26.424064030995957
• License:
• Abstract: In this paper, we study inverse game theory (resp. inverse multiagent learning) in which the goal is to find parameters of a game's payoff functions for which the expected (resp. sampled) behavior is an equilibrium. We formulate these problems as generative-adversarial (i.e., min-max) optimization problems, for which we develop polynomial-time algorithms to solve, the former of which relies on an exact first-order oracle, and the latter, a stochastic one. We extend our approach to solve inverse multiagent simulacral learning in polynomial time and number of samples. In these problems, we seek a simulacrum, meaning parameters and an associated equilibrium that replicate the given observations in expectation. We find that our approach outperforms the widely-used ARIMA method in predicting prices in Spanish electricity markets based on time-series data.
• Abstract（参考訳）: 本稿では,期待(サンプル化)動作が平衡であるゲームペイオフ関数のパラメータを求めることを目的として,逆ゲーム理論(逆マルチエージェント学習)について検討する。 これらの問題を、多項式時間アルゴリズムを解くための生成逆最適化問題(すなわち、min-max)として定式化し、前者は正確な一階のオラクルに依存し、後者は確率的な問題である。 我々は、多項式時間とサンプル数で逆多重エージェント同時学習を解くために、我々のアプローチを拡張した。 これらの問題において、予測された観測を再現するパラメータと関連する平衡を意味するシミュラクルを求める。 提案手法は, 時系列データに基づくスペイン電力市場の価格予測において, 広く利用されているARIMA法よりも優れていることがわかった。

関連論文リスト

• A Guide to Stochastic Optimisation for Large-Scale Inverse Problems [4.926711494319977]
  最適化アルゴリズムは、大量のデータを持つ機械学習のデファクトスタンダードです。 各最適化ステップで利用可能なデータのサブセットのみを処理すると、イテレーション毎の計算コストが劇的に削減される。 逆画像問題に対する変分正規化に特有の最適化の可能性と課題に焦点をあてる。
  論文  参考訳（メタデータ） (2024-06-10T15:02:30Z)
• Stochastic Optimization Algorithms for Instrumental Variable Regression with Streaming Data [17.657917523817243]
  この問題を条件付き最適化問題とみなして,器用変分回帰のためのアルゴリズムを開発し,解析する。 最小二乗変数回帰の文脈では、我々のアルゴリズムは行列逆転やミニバッチを必要としない。 任意の$iota>0$に対して$mathcalO(log T/T)$と$mathcalO(1/T1-iota)$の順の収束率を導出する。
  論文  参考訳（メタデータ） (2024-05-29T19:21:55Z)
• Stochastic Q-learning for Large Discrete Action Spaces [79.1700188160944]
  離散的な行動空間を持つ複雑な環境では、強化学習(RL)において効果的な意思決定が重要である 我々は、$n$アクションの集合全体を最適化するのとは対照的に、おそらく$mathcalO(log(n)$)$のような変数の集合のみを考える。 提示された値ベースのRL手法には、Q-learning、StochDQN、StochDDQNなどが含まれる。
  論文  参考訳（メタデータ） (2024-05-16T17:58:44Z)
• DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
  我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。 遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
  論文  参考訳（メタデータ） (2024-03-25T22:49:56Z)
• Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
  現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。 標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。 我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。 本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
  論文  参考訳（メタデータ） (2023-04-01T15:50:18Z)
• An Application of a Multivariate Estimation of Distribution Algorithm to Cancer Chemotherapy [59.40521061783166]
  癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。 より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。 我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
  論文  参考訳（メタデータ） (2022-05-17T15:28:46Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Sampling Approximately Low-Rank Ising Models: MCMC meets Variational Methods [35.24886589614034]
  一般相互作用が$J$である超キューブ上の二次定値イジングモデルを考える。 我々の一般的な結果は、低ランクのIsingモデルに対する最初のサンプリングアルゴリズムを示唆している。
  論文  参考訳（メタデータ） (2022-02-17T21:43:50Z)
• Mixtures of Gaussian Processes for regression under multiple prior distributions [0.0]
  ガウス過程回帰のための混合モデルの概念を拡張し、複数の先行する信念を同時に扱う。 本手法は,関数回帰問題における先行的誤特定の問題を考慮に入れたものである。
  論文  参考訳（メタデータ） (2021-04-19T10:19:14Z)
• Solving weakly supervised regression problem using low-rank manifold regularization [77.34726150561087]
  我々は弱い教師付き回帰問題を解く。 weakly"の下では、いくつかのトレーニングポイントではラベルが知られ、未知のものもあれば、無作為なノイズの存在やリソースの欠如などの理由によって不確かであることが分かっています。 数値的な節ではモンテカルロモデルを用いて提案手法を人工と実のデータセットに適用した。
  論文  参考訳（メタデータ） (2021-04-13T23:21:01Z)
• A spectral algorithm for robust regression with subgaussian rates [0.0]
  本研究では, 試料の分布に強い仮定がない場合の線形回帰に対する2次時間に対する新しい線形アルゴリズムについて検討する。 目的は、データが有限モーメントしか持たなくても最適な準ガウス誤差を達成できる手順を設計することである。
  論文  参考訳（メタデータ） (2020-07-12T19:33:50Z)

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。