論文の概要: DePICT: Decision-Preserving Interface for Constrained Downstream Tasks
- arxiv url: http://arxiv.org/abs/2610.03945v1
- Date: Fri, 02 Oct 2026 19:00:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.284634
- Title: DePICT: Decision-Preserving Interface for Constrained Downstream Tasks
- Title（参考訳）: DePICT:制約された下流タスクのための決定保存インタフェース
- Abstract要約: 制約付き最適化問題は、その目的的かつアクティブな制約におけるパラメータを含むかもしれないが、最終的な決定は、そのパラメータの小さな変化に敏感なままである。
DePICTは,エージェントの解の感度に応じてコンテキスト方向をランク付けすることで,意思決定インタフェースを構築する手法である。
- 参考スコア（独自算出の注目度）: 2.4766415469374476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A constrained optimization problem may involve a parameter in its objective and active constraints, yet the final decision may remain insensitive to small changes in that parameter. This raises a fundamental question: which inputs does a decision making system truly depend on? Building on this question, we introduce DePICT, a procedure for constructing decision preserving interfaces by ranking context directions according to the optimizer's solution sensitivity and aggregating them across an operating regime. We study this problem in a high dimensional setting where primitive context parameterizes a constrained task and the downstream agent observes only a selected subset of context directions. For locally regular constrained programs, we derive a Karush Kuhn Tucker (KKT) based characterization of when a context direction is optimizer relevant. Our analysis shows that appearing in the active optimization problem does not necessarily imply that a variable affects the final decision. Some context directions can alter the KKT conditions while leaving the optimal solution unchanged because their effect is absorbed by the dual variables. DePICT is designed to remove exactly these directions. In a controlled diagnosis, it recovers the decision relevant interface exactly and reduces linear predictor regret to 0.009, compared with 0.475 for the strongest competing baseline.
- Abstract（参考訳）: 制約付き最適化問題は、その目的的かつアクティブな制約におけるパラメータを含むかもしれないが、最終的な決定は、そのパラメータの小さな変化に敏感なままである。
どのインプットに意思決定システムが本当に依存しているのか?
そこで我々は,DePICTを導入し,オプティマイザの解の感度に応じてコンテキスト方向をランク付けし,オペレーティング・システマティクスにまたがってそれらを集約することで,決定保存インタフェースを構築する手法を提案する。
本研究では,制約されたタスクをプリミティブ・コンテキストがパラメータ化し,ダウンストリーム・エージェントが選択したコンテキスト方向のサブセットのみを観測する高次元環境でこの問題を考察する。
局所正規制約プログラムに対しては、KKT(Karush Kuhn Tucker)をベースとしたコンテキスト方向がいつ最適化されるかの特徴付けを導出する。
分析の結果,能動最適化問題に現れる変数が最終決定に影響を及ぼすとは限らないことがわかった。
いくつかの文脈方向は、最適解は双対変数によって吸収されるため、そのままにしてKKT条件を変更することができる。
DePICTは、これらの方向を正確に取り除くように設計されている。
制御された診断では、決定に関連するインターフェースを正確に回復し、最強の競合ベースラインである0.475と比較して線形予測器の後悔を0.009に低減する。
関連論文リスト
- Deciding When to Decide: Testing Operational Suboptimality Under Distributional Shift [6.370987174111389]
我々は,リフレッシブな選好を推論するために,逆最適化を用いる決定中心のフレームワークであるtextttRADAR (Regret-based Assessment of Decision Adequacy and Risk) を提案する。
残念なことに、textttRADARは、再最適化を保証している変更を検出しながら、決定非関連なシフトを無視する。
論文 参考訳（メタデータ） (2026-08-29T23:21:36Z) - Online Decision-Focused Learning [74.3205104323777]
意思決定中心学習(DFL)は、意思決定タスクで予測出力が使用されるモデルのトレーニングパラダイムとして、ますます人気が高まっている。
本稿では,目的関数を規則化し,その相違を解消し,非最適関数を克服する方法を検討する。
また、クナップサック実験におけるアルゴリズムの有効性を示し、2つの標準ベンチマークを上回りました。
論文 参考訳（メタデータ） (2025-05-19T10:40:30Z) - Generalizing Bayesian Optimization with Decision-theoretic Entropies [102.82152945324381]
統計的決定論の研究からシャノンエントロピーの一般化を考える。
まず,このエントロピーの特殊なケースがBO手順でよく用いられる獲得関数に繋がることを示す。
次に、損失に対する選択肢の選択が、どのようにして柔軟な獲得関数の族をもたらすかを示す。
論文 参考訳（メタデータ） (2022-10-04T04:43:58Z) - META-STORM: Generalized Fully-Adaptive Variance Reduced SGD for
Unbounded Functions [23.746620619512573]
最近の研究は「メガバッチ」の勾配を計算する効果を克服している
作業は、競争力のあるディープラーニングタスクで更新された後に広く使用される。
論文 参考訳（メタデータ） (2022-09-29T15:12:54Z) - Smooth over-parameterized solvers for non-smooth structured optimization [3.756550107432323]
非滑らか性 (non-smoothness) は、空間性、群空間性、低ランクエッジ、鋭いエッジなどの解の構造的制約を符号化する。
我々は、基礎となる非滑らかな最適化問題の非重み付きだが滑らかな過度パラメータ化を運用する。
我々の主な貢献は変数の一部を明示的に最小化することで新しい定式化を定義する変数射影(VarPro)を適用することです。
論文 参考訳（メタデータ） (2022-05-03T09:23:07Z) - Off-Policy Evaluation with Policy-Dependent Optimization Response [90.28758112893054]
我々は,テキスト政治に依存した線形最適化応答を用いた非政治評価のための新しいフレームワークを開発した。
摂動法による政策依存推定のための非バイアス推定器を構築する。
因果介入を最適化するための一般的なアルゴリズムを提供する。
論文 参考訳（メタデータ） (2022-02-25T20:25:37Z) - STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。
我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
論文 参考訳（メタデータ） (2021-11-01T15:43:36Z) - Instance-optimality in optimal value estimation: Adaptivity via
variance-reduced Q-learning [99.34907092347733]
本稿では,マルコフ決定過程における最適な$Q$値関数を離散状態と動作で推定する問題を解析する。
局所的なミニマックスフレームワークを用いて、この関数は任意の推定手順の精度の低い境界に現れることを示す。
他方,Q$ラーニングの分散還元版を解析することにより,状態と行動空間の対数的要因まで,下位境界のシャープさを確立する。
論文 参考訳（メタデータ） (2021-06-28T00:38:54Z) - Bandit Linear Optimization for Sequential Decision Making and
Extensive-Form Games [102.23975166536326]
tree-form sequential decision making (tfsdm) は、エージェントと潜在的に敵対的な環境の間のツリー形式の相互作用をモデル化することで、古典的なワンショット意思決定を拡張する。
これは、各プレイヤーが幅広い形式のゲームで直面するオンライン意思決定問題、およびマルコフ決定プロセス、およびエージェントが観測された履歴を条件とする部分観察可能なマルコフ決定プロセスをキャプチャする。
本稿では, (i) 線形時間損失と (ii) $o(sqrtt)$ cumulative regret の両方を提供する拡張dmのバンディット線形最適化問題に対する最初のアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-08T05:00:13Z) - Ensuring smoothly navigable approximation sets by Bezier curve
parameterizations in evolutionary bi-objective optimization -- applied to
brachytherapy treatment planning for prostate cancer [0.0]
決定空間における滑らかなベジエ曲線として近似集合をパラメータ化する場合について検討する。
高品質な近似集合をBezEAで得ることができ、時には支配とUHVに基づくアルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-11T13:57:33Z) - Tightly Robust Optimization via Empirical Domain Reduction [22.63829081634384]
提案手法は,解が良好な目的値を持つようなスケールを決定するアルゴリズムである。
いくつかの規則性条件下では、我々のアルゴリズムで得られるスケールは$O(sqrtn)$、標準アプローチで得られるスケールは$O(sqrtd/n)$である。
論文 参考訳（メタデータ） (2020-02-29T12:24:56Z)
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。