論文の概要: Adaptive Policy Learning Under Unknown Network Interference

• arxiv url: http://arxiv.org/abs/2605.11191v1
• Date: Mon, 11 May 2026 19:57:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.396311
• Title: Adaptive Policy Learning Under Unknown Network Interference
• Title（参考訳）: 未知のネットワーク干渉下での適応的政策学習
• Authors: Aidan Gleich, Eric Laber, Alexander Volfovsky,
• Abstract要約: 我々は,干渉ネットワークを協調的に学習し,ギブスサンプリングによる個別レベルの処理割り当てを適応的に最適化するトンプソンサンプリングアルゴリズムを開発した。 本手法は, 頭と頭の比較において, 後悔のオーダー・オブ・マグニチュード・リダクション以上のことを達成している。
• 参考スコア（独自算出の注目度）: 43.939653137876455
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adaptive experimentation under unknown network interference requires solving two coupled problems: (i) learning the underlying dynamics of interference among units and (ii) using these dynamics to inform treatment allocation in order to maximize a cumulative outcome of interest (e.g. revenue). Existing adaptive experimentation methods either assume the interference network is fully known or bypass the network by operating on coarse cluster-level randomizations. We develop a Thompson sampling algorithm that jointly learns the interference network and adaptively optimizes individual-level treatment allocations via a Gibbs sampler. The algorithm returns both an optimized treatment policy and an estimate of the interference network; the latter supports downstream causal analyses such as estimation of direct, indirect, and total treatment effects. For additive spillover models, we show that total reward is linear in the treatment vector with coefficients given by an $n$-dimensional latent score. We prove a Bayesian regret bound of order $\sqrt{nT \cdot B \log(en/B)}$ for exact posterior sampling; empirically, our Gibbs-based approximate sampler achieves regret consistent with this rate and remains sublinear when the additive spillovers assumption is violated. For general Neighborhood Interference, where this reduction is unavailable, we analyze an explore-then-commit variant with $O(n^2 \log T)$ graph-discovery cost. An information-theoretic $Ω(n \log T)$ lower bound complements both results. Empirically, our method achieves more than an order-of-magnitude reduction in regret in head-to-head comparisons. On two real-world networks, the algorithm achieves sublinear regret and yields downstream effect estimates with small RMSE relative to the truth.
• Abstract（参考訳）: 未知のネットワーク干渉下での適応実験には、2つの結合した問題を解く必要がある。 一 単位間の干渉の根底にある力学を学習すること (二)これらのダイナミクスを用いて、利子の累積結果(例えば収入)を最大化するために、治療割当を通知する。 既存の適応的な実験手法は、干渉ネットワークが完全に知られていると仮定するか、粗いクラスタレベルのランダム化によってネットワークをバイパスする。 我々は、干渉ネットワークを共同で学習し、ギブスサンプリング器を介して個別レベルの処理割り当てを適応的に最適化するトンプソンサンプリングアルゴリズムを開発した。 このアルゴリズムは、最適化された処理ポリシーと干渉ネットワークの推定の両方を返す。 加法的余剰モデルでは、合計報酬は、$n$次元の潜在スコアで与えられる係数を持つ処理ベクトルにおいて線形であることが示される。 実験的に、ギブズをベースとした近似サンプリング器は、この速度と一致した後悔を達成し、加法的な余剰余剰仮定が破られたときも下線を保ったままである。 一般の近傍干渉では、この還元は利用できないが、$O(n^2 \log T)$ graph-discovery cost を用いて探索列コミットの変種を解析する。 情報理論の$Ω(n \log T)$下界は両方の結果を補完する。 経験的に,本手法は,頭と頭の比較において,後悔の度合いを下げる以上のことを達成している。 2つの実世界のネットワーク上では、アルゴリズムはサブ線形後悔を達成し、真理に対して小さなRMSEで下流効果の推定値を得る。

関連論文リスト

• Neural Variance-aware Dueling Bandits with Deep Representation and Shallow Exploration [6.287267171078442]
  ニューラルネットワークを利用して非線形ユーティリティ関数を近似する分散認識アルゴリズムを提案する。 十分広いニューラルネットワークに対して,我々のアルゴリズムが次数$bigollt(d sqrtsum_t=1T sigma_t2 + sqrtdTrt)のサブ線形累積平均後悔を達成できることを示す理論的保証を確立する。
  論文  参考訳（メタデータ） (2025-06-02T01:58:48Z)
• Scalable Policy Maximization Under Network Interference [46.16641537379657]
  動的ネットワーク上での干渉下での最適政治学習について検討する。 干渉の構造に関する一般的な仮定では、報酬は線形となる。 我々は,新しい$n$ノードネットワークが各ラウンドで観測された場合に,ポリシーの影響を最大化するスケーラブルなトンプソンサンプリングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-05-23T17:19:12Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)

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。