Fugu-MT 論文翻訳(概要): Notes on Uniform Policy Score Bounds and Lipschitz Continuity for Truncated Gaussian, Product Cauchy, Boltzmann, and Softmax Policies

論文の概要: Notes on Uniform Policy Score Bounds and Lipschitz Continuity for Truncated Gaussian, Product Cauchy, Boltzmann, and Softmax Policies

arxiv url: http://arxiv.org/abs/2610.15690v1
Date: Sun, 11 Oct 2026 15:20:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-19 17:13:53.712835
Title: Notes on Uniform Policy Score Bounds and Lipschitz Continuity for Truncated Gaussian, Product Cauchy, Boltzmann, and Softmax Policies
Title（参考訳）: 縮合ガウス, 製品コーシー, ボルツマン, ソフトマックス政策における一様政策スコア境界とリプシッツ連続性について
Abstract要約: 我々は、明示的に定義されたパラメタライゼーションの下で、truncated Gaussian, Cauchy, Boltzmann, and softmax Policyに対する一様スコア境界とリプシッツ連続性を確立する。
参考スコア（独自算出の注目度）: 3.478555730112685
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We establish uniform score bounds and Lipschitz continuity for truncated Gaussian, Cauchy, Boltzmann, and softmax policies under explicitly stated parameterizations.
Abstract（参考訳）: 我々は、明示的に定義されたパラメタライゼーションの下で、truncated Gaussian, Cauchy, Boltzmann, and softmax Policyに対する一様スコア境界とリプシッツ連続性を確立する。

関連論文リスト

Stochastic MeanFlow Policies: One-Step Generative Control with Entropic Mirror Descent [53.828537014796574]
オンラインの非政治強化学習(RL)は、ポリシークラスと更新ルールの2つの選択肢によって構成されている。我々は、MeanFlow変換を通じてノイズをアクションにマッピングする一段階生成ポリシークラスであるMeanFlow Policiesを提案する。 7つのMuJoCoベンチマークで、Sは1ステップの推論効率を維持しながら、ガウスおよび生成ベースラインを改善する。
論文参考訳（メタデータ） (2026-05-20T15:14:14Z)
Optimal Rates for Pure {\varepsilon}-Differentially Private Stochastic Convex Optimization with Heavy Tails [10.43808453274953]
純粋エプシロン微分プライバシー(DP)下での重み付き勾配を用いた凸最適化について検討する。損失の最悪の場合のリプシッツパラメータの有界を仮定する代わりに、有界 k-次モーメントのみを仮定する。我々のアプローチは、経験的損失のリプシッツ拡張をプライベートに最適化するための新しい枠組みに基づいている。
論文参考訳（メタデータ） (2026-04-07T21:54:29Z)
Revisiting Convergence: Shuffling Complexity Beyond Lipschitz Smoothness [50.78508362183774]
シャッフル型勾配法はその単純さと迅速な経験的性能のために実践的に好まれる。リプシッツ条件は一般的な機械学習スキームでは満たされないことが多い。
論文参考訳（メタデータ） (2025-07-11T15:36:48Z)
Stochastic Weakly Convex Optimization Beyond Lipschitz Continuity [5.866816093792934]
次数法を含む幅広い連続性アルゴリズムが, 一定の故障率で$mathO収束率を保っていることを示す。リプシッツパラメータは、$|x|$の一般的な成長関数によって境界付けられたり、独立したランダムサンプルを通して局所的に推定されたりする。
論文参考訳（メタデータ） (2024-01-25T06:06:31Z)
Beyond Uniform Lipschitz Condition in Differentially Private Optimization [28.04430869054056]
微分プライベート勾配降下(DP-SGD)に関するほとんどの先行結果は、一様リプシッツ性(英語版)という単純な仮定の下で導出される。我々は、サンプルごとのリプシッツ定数が有界であるとき、一般バージョンのリプシッツネスのノルム依存度を選択する原理的なガイダンスを提供する。
論文参考訳（メタデータ） (2022-06-21T20:11:30Z)
Softmax Policy Gradient Methods Can Take Exponential Time to Converge [60.98700344526674]
Softmax Policy gradient(PG)メソッドは、現代の強化学習におけるポリシー最適化の事実上の実装の1つです。ソフトマックス PG 法は、$mathcalS|$ および $frac11-gamma$ の観点から指数時間で収束できることを実証する。
論文参考訳（メタデータ） (2021-02-22T18:56:26Z)
Risk-Sensitive Deep RL: Variance-Constrained Actor-Critic Provably Finds Globally Optimal Policy [95.98698822755227]
本研究は,リスクに敏感な深層強化学習を,分散リスク基準による平均報酬条件下で研究する試みである。本稿では,ポリシー,ラグランジュ乗算器,フェンシェル双対変数を反復的かつ効率的に更新するアクタ批判アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-12-28T05:02:26Z)
Exactly Computing the Local Lipschitz Constant of ReLU Networks [98.43114280459271]
ニューラルネットワークの局所リプシッツ定数は、堅牢性、一般化、公正性評価に有用な指標である。 ReLUネットワークのリプシッツ定数を推定するために, 強い不適合性を示す。このアルゴリズムを用いて、競合するリプシッツ推定器の密度と正規化トレーニングがリプシッツ定数に与える影響を評価する。
論文参考訳（メタデータ） (2020-03-02T22:15:54Z)

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。