論文の概要: Structure-Dependent Regret and Constraint Violation Bounds for Online Convex Optimization with Time-Varying Constraints

• arxiv url: http://arxiv.org/abs/2603.14319v1
• Date: Sun, 15 Mar 2026 10:30:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.743685
• Title: Structure-Dependent Regret and Constraint Violation Bounds for Online Convex Optimization with Time-Varying Constraints
• Title（参考訳）: 時間変化制約を考慮したオンライン凸最適化のための構造依存回帰と制約振動境界
• Authors: Xiufeng Liu, Qian Chen, Zhijin Wang, Ruyu Liu,
• Abstract要約: 本稿では,ネットワーク現象に対する制約変動の構造的特徴について紹介する。 制約過程が規則性を示すとき、逆数率を厳密に改善する構造に依存した結合境界を導出する。 合成ベンチマークと実世界のデータセットの実験により、SA-PDは累積制約違反を最大53%削減することを示した。
• 参考スコア（独自算出の注目度）: 12.438794398358548
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online convex optimization (OCO) with time-varying constraints is a critical framework for sequential decision-making in dynamic networked systems, where learners must minimize cumulative loss while satisfying regions of feasibility that shift across rounds. Existing theoretical analyses typically treat constraint variation as a monolithic adversarial process, resulting in joint regret and violation bounds that are overly conservative for real-world network dynamics. In this paper, we introduce a structured characterization of constraint variation - smooth drift, periodic cycles, and sparse switching - mapping these classes to common network phenomena such as slow channel fading, diurnal traffic patterns, and discrete maintenance windows. We derive structure-dependent joint bounds that strictly improve upon adversarial rates when the constraint process exhibits regularity. To realize these gains, we propose the Structure-Adaptive Primal-Dual (SA-PD) algorithm, which utilizes observable constraint signals to detect environmental structure online and adapt dual update strategies accordingly. Extensive experiments on synthetic benchmarks and real-world datasets - including online electricity scheduling and transformer load management - demonstrate that SA-PD reduces cumulative constraint violation by up to 53% relative to structure-agnostic baselines while maintaining competitive utility. This work serves as a comprehensive guide for exploiting temporal regularity in constrained online learning for robust network engineering.
• Abstract（参考訳）: 時間的制約を伴うオンライン凸最適化(OCO)は、動的ネットワークシステムにおける逐次決定のための重要なフレームワークである。 既存の理論的分析では、制約変動をモノリシックな逆転過程として扱うのが一般的であり、結果として、実世界のネットワーク力学にとって過度に保守的な共同後悔と違反境界が生じる。 本稿では、スムーズなドリフト、周期周期、スパーススイッチングといった制約変動の構造化された特徴について紹介し、これらのクラスを低速チャネルフェージング、日中トラフィックパターン、離散保守ウィンドウなどの一般的なネットワーク現象にマッピングする。 制約過程が規則性を示すとき、逆数率を厳密に改善する構造に依存した結合境界を導出する。 これらの利点を実現するために,観測可能な制約信号を用いて環境構造をオンラインに検出し,それに応じて2つの更新戦略を適用する構造適応プライマル・ダイアル (SA-PD) アルゴリズムを提案する。 オンライン電気スケジューリングやトランスフォーマー負荷管理を含む、総合的なベンチマークと実世界のデータセットに関する大規模な実験は、SA-PDが競争力を維持しながら、構造に依存しないベースラインに対して、累積的制約違反を最大53%削減することを示した。 この研究は、堅牢なネットワークエンジニアリングのための制約付きオンライン学習における時間的規則性を活用するための包括的なガイドとして機能する。

関連論文リスト

• When Learning Hurts: Fixed-Pole RNN for Real-Time Online Training [58.25341036646294]
  本研究では,再帰性極の学習がデータに有意な利点をもたらしない理由を解析的に検討し,実時間学習シナリオを実証的に提供する。 固定極ネットワークは、トレーニングの複雑さを低減し、オンラインリアルタイムタスクにより適していることを示す。
  論文  参考訳（メタデータ） (2026-02-25T00:15:13Z)
• Smooth embeddings in contracting recurrent networks driven by regular dynamics: A synthesis for neural representation [45.88028371034407]
  最近の実証研究は、訓練された反復モデルにおけるトポロジー保存潜在組織を文書化している。 貯水池計算における最近の理論的結果は、同期写像が埋め込みである条件を確立する。 私たちのコントリビューションは、一般的な同期と、契約型貯水池の埋め込み保証を組み立てる統合フレームワークです。
  論文  参考訳（メタデータ） (2026-01-26T23:10:39Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• DeCo-SGD: Joint Optimization of Delay Staleness and Gradient Compression Ratio for Distributed SGD [5.618337879898599]
  エンドツーエンドのレイテンシと低帯域幅ネットワークにおける分散機械学習は、大幅なスループット低下を経験する。 既存のアプローチでは、低帯域幅と高レイテンシを緩和するために、勾配圧縮と遅延集約を用いるのが一般的である。 実時間ネットワーク条件に基づいて圧縮率と安定度を動的に調整するDeCoSGDを提案する。
  論文  参考訳（メタデータ） (2025-07-23T09:22:51Z)
• Topology-Aware Conformal Prediction for Stream Networks [68.02503121089633]
  本研究では,ネットワークトポロジと時間的ダイナミクスを共形予測フレームワークに統合した新しいフレームワークであるspatio-Temporal Adaptive Conformal Inference (textttCISTA)を提案する。 この結果から,TextttCISTAは予測効率とカバレッジのバランスを効果的に保ち,既存のストリームネットワークの共形予測手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-03-06T21:21:15Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)

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。