論文の概要: Frequency-Based Hyperparameter Selection in Games

• arxiv url: http://arxiv.org/abs/2601.18409v1
• Date: Mon, 26 Jan 2026 12:06:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.812384
• Title: Frequency-Based Hyperparameter Selection in Games
• Title（参考訳）: 競技における周波数ベースハイパーパラメータ選択
• Authors: Aniket Sanyal, Baraah A. M. Sidahmed, Rebekka Burkholz, Tatjana Chavdarova,
• Abstract要約: 滑らかなゲームでの学習は、回転力学による標準最小化と根本的に異なる。 LookAhead(LA)は、強い経験的パフォーマンスを実現するが、パフォーマンスに重大な影響を与える追加のパラメータを導入する。 MoLAは純粋に回転ゲームと混合レシエーションの両方でのトレーニングを加速する。
• 参考スコア（独自算出の注目度）: 24.24826870923944
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning in smooth games fundamentally differs from standard minimization due to rotational dynamics, which invalidate classical hyperparameter tuning strategies. Despite their practical importance, effective methods for tuning in games remain underexplored. A notable example is LookAhead (LA), which achieves strong empirical performance but introduces additional parameters that critically influence performance. We propose a principled approach to hyperparameter selection in games by leveraging frequency estimation of oscillatory dynamics. Specifically, we analyze oscillations both in continuous-time trajectories and through the spectrum of the discrete dynamics in the associated frequency-based space. Building on this analysis, we introduce \emph{Modal LookAhead (MoLA)}, an extension of LA that selects the hyperparameters adaptively to a given problem. We provide convergence guarantees and demonstrate in experiments that MoLA accelerates training in both purely rotational games and mixed regimes, all with minimal computational overhead.
• Abstract（参考訳）: スムーズなゲームでの学習は、古典的なハイパーパラメータチューニング戦略を無効にする回転力学による標準最小化と根本的に異なる。 その実用的重要性にもかかわらず、ゲームにおける効果的なチューニング方法はまだ未検討のままである。 顕著な例はLookAhead(LA)で、強力な経験的パフォーマンスを実現するが、パフォーマンスに重大な影響を与える追加のパラメータを導入している。 振動力学の周波数推定を利用したゲームにおけるハイパーパラメータ選択の原理的手法を提案する。 具体的には、連続時間軌道と関連する周波数ベース空間における離散力学のスペクトルの両方で発振を解析する。 この分析に基づいて、与えられた問題に適応的にハイパーパラメータを選択するLAの拡張である \emph{Modal LookAhead (MoLA)} を導入する。 我々は収束保証を提供し、MoLAが純粋に回転ゲームと混合レジームの両方でのトレーニングを、全て最小限の計算オーバーヘッドで加速する実験で実証する。

関連論文リスト

• The Path Not Taken: RLVR Provably Learns Off the Principals [85.41043469428365]
  スパーシティはモデル条件の最適化バイアスの表面積であることを示す。 我々はこれらの力学を三ゲージ理論で機械的に説明する。 本稿では,RLVRの学習力学のパラメータレベルの特徴付けを行う。
  論文  参考訳（メタデータ） (2025-11-11T18:49:45Z)
• Addressing prior dependence in hierarchical Bayesian modeling for PTA data analysis II: Noise and SGWB inference through parameter decorrelation [0.0]
  PTA解析は、各パルサーに固定された均一ノイズを割り当てる。 ノイズ先行を高次ハイパーパラメータでパラメータ化する階層的ベイズモデリング戦略を採用する。 階層的処理によりノイズパラメータがより厳密に制約され,レッドノイズSGWB縮退が部分的に緩和されることが示唆された。
  論文  参考訳（メタデータ） (2025-11-03T17:54:55Z)
• Effective continuous equations for adaptive SGD: a stochastic analysis view [1.2744523252873352]
  そこで本研究では, 学習率の小さいシステムにおいて, 適応型グラディエント Descent (SGD) 手法の理論的解析を行った。 我々の重要な貢献は、SGDのサンプリング誘起ノイズが、パラメータ勾配第二運動量進化を駆動する独立ブラウン運動として現れることである。
  論文  参考訳（メタデータ） (2025-09-25T21:31:20Z)
• Understanding Lookahead Dynamics Through Laplace Transform [4.204990010424083]
  ゲーム内のハイパーパラメータの収束解析のための周波数領域フレームワークを提案する。 双線型ゲームの離散時間ダイナミクスを周波数領域に変換し、正確な収束基準を導出する。 離散時間設定における実証的検証は、我々のアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2025-06-16T17:20:40Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• MixPHM: Redundancy-Aware Parameter-Efficient Tuning for Low-Resource Visual Question Answering [66.05768870785548]
  微調整事前学習型視覚言語モデル(VLM)は、視覚質問応答(VQA)における最先端性能を達成するための一般的なパラダイムである。 現在のパラメータ効率のチューニング手法は、チューニング可能なパラメータの数を劇的に削減するが、完全な微調整を伴う大きなパフォーマンスギャップは依然として残っている。 低リソースVQAにおける完全微調整よりも優れた冗長性を考慮したパラメータ効率調整法であるMixPHMを提案する。
  論文  参考訳（メタデータ） (2023-03-02T13:28:50Z)
• Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
  本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
  論文  参考訳（メタデータ） (2023-01-18T04:54:58Z)
• Flatter, faster: scaling momentum for optimal speedup of SGD [0.0]
  ニューラルネットワークのトレーニングにおいて、勾配降下(SGD)とラベルノイズと運動量との相互作用から生じるトレーニングダイナミクスについて検討した。 運動量ハイパーパラメータ1-NISTbeta$を学習率で2/3$にスケーリングすると、一般化を犠牲にすることなく、最大で2/3$のトレーニングが加速することがわかった。
  論文  参考訳（メタデータ） (2022-10-28T20:41:48Z)
• Optimal non-classical correlations of light with a levitated nano-sphere [34.82692226532414]
  非古典的相関は、量子技術における多くの応用のためのリソースを提供する。 オプトメカニカルシステムは、メカニカルモードと移動光モードの間の非古典的相関を生成することができる。 このようなシステムにおける量子相関生成の自動最適化を提案する。
  論文  参考訳（メタデータ） (2020-06-26T15:27:47Z)

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。