論文の概要: AL-CoLe: Augmented Lagrangian for Constrained Learning

• arxiv url: http://arxiv.org/abs/2510.20995v1
• Date: Thu, 23 Oct 2025 20:46:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 09:00:15.320241
• Title: AL-CoLe: Augmented Lagrangian for Constrained Learning
• Title（参考訳）: AL-CoLe: 制約付き学習のための拡張ラグランジアン
• Authors: Ignacio Boero, Ignacio Hounie, Alejandro Ribeiro,
• Abstract要約: 現代の機械学習のパラメータ化がほとんどないにもかかわらず、ラグランジアン双対性は制約付き学習問題に対処するための一般的なツールとなっている。 制約付き分類タスクにおいて,その有効性を示す。
• 参考スコア（独自算出の注目度）: 79.45233551350152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the non-convexity of most modern machine learning parameterizations, Lagrangian duality has become a popular tool for addressing constrained learning problems. We revisit Augmented Lagrangian methods, which aim to mitigate the duality gap in non-convex settings while requiring only minimal modifications, and have remained comparably unexplored in constrained learning settings. We establish strong duality results under mild conditions, prove convergence of dual ascent algorithms to feasible and optimal primal solutions, and provide PAC-style generalization guarantees. Finally, we demonstrate its effectiveness on fairness constrained classification tasks.
• Abstract（参考訳）: 現代の機械学習パラメータ化の非凸性にもかかわらず、ラグランジアン双対性は制約付き学習問題に対処するための一般的なツールとなっている。 我々は、最小限の修正しか必要とせず、非凸設定における双対性ギャップを緩和することを目的とした拡張ラグランジアン法を再検討し、制約付き学習設定では比較不可能なままである。 弱条件下では強い双対性(英語版)性(英語版)性(英語版)性(英語版)を確立し、双対上昇アルゴリズムの収束性(英語版)と最適原始解(英語版)性(英語版)を証明し、PACスタイルの一般化保証を提供する。 最後に、フェアネス制約付き分類タスクにおいて、その効果を実証する。

関連論文リスト

• Dual Optimistic Ascent (PI Control) is the Augmented Lagrangian Method in Disguise [16.383773324475538]
  ラグランジアン上の双対楽観的な昇華は、増進ラグランジアン上の勾配降下昇華と同値であることを示す。 この発見により、ALMの堅牢な理論的保証を双対楽観的な設定に移行し、すべての局所解に線型収束することを証明できる。 我々の研究は、双対楽観的手法の実証的成功と理論的基礎の間に重要なギャップを埋める。
  論文  参考訳（メタデータ） (2025-09-26T15:41:20Z)
• Near-Optimal Solutions of Constrained Learning Problems [85.48853063302764]
  機械学習システムでは、振る舞いを縮小する必要性がますます顕在化している。 これは、双対ロバスト性変数を満たすモデルの開発に向けた最近の進歩によって証明されている。 この結果から, 豊富なパラメトリゼーションは非次元的, 有限な学習問題を効果的に緩和することが示された。
  論文  参考訳（メタデータ） (2024-03-18T14:55:45Z)
• Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
  機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。 本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。 これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
  論文  参考訳（メタデータ） (2024-03-06T04:43:22Z)
• Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
  エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。 エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。 提案手法は(線形速度で)大域的最適値に収束することが示されている。
  論文  参考訳（メタデータ） (2022-06-03T16:26:38Z)
• Efficient Performance Bounds for Primal-Dual Reinforcement Learning from Demonstrations [1.0609815608017066]
  本稿では,コスト関数の不明な大規模マルコフ決定プロセスについて考察し,限られた専門家による実証から政策を学習する問題に対処する。 既存の逆強化学習法には強力な理論的保証があるが、計算上は高価である。 ラグランジアン双対性を利用して理論と実践のギャップを埋める新しい双線型サドルポイントフレームワークを導入する。
  論文  参考訳（メタデータ） (2021-12-28T05:47:24Z)
• A Stochastic Composite Augmented Lagrangian Method For Reinforcement Learning [9.204659134755795]
  深層強化学習のための線形プログラミング(LP)の定式化について検討する。 拡張ラグランジアン法は、LPの解法において二重サンプリング障害に悩まされる。 深層パラメタライズされたラグランジアン法を提案する。
  論文  参考訳（メタデータ） (2021-05-20T13:08:06Z)
• Lagrangian Duality for Constrained Deep Learning [51.2216183850835]
  本稿では,複雑な制約を特徴とする学習アプリケーションにおけるラグランジアン双対性の可能性について検討する。 エネルギー領域において、ラグランジアン双対性とディープラーニングの組み合わせは、最先端の結果を得るために用いられる。 翻訳計算において、ラグランジュ双対性は、予測子に単調性制約を課すためにディープラーニングを補完することができる。
  論文  参考訳（メタデータ） (2020-01-26T03:38:43Z)

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。