May, 2024

优化确定性等价风险估计的集中界

PDF
TL;DR我们研究了独立同分布样本估计优化确定等价风险的问题，推导了经典的样本平均逼近法以及基于随机逼近的 OCE 估计器的均方误差和集中界限，并在风险感知赌博问题中应用所得到的界限，推导了误判概率的界限，并最终进行了数值实验证实理论发现。
optimized certainty equivalentrisk estimationsample average approximationstochastic approximationrisk-aware bandit problem
发现论文，激发创造
  • 风险敏感学习的学习界限

    本文提出了对通过优化确定性等价描述的具有不同风险表示的风险敏感学习方案的概括性质进行研究的方法，提供了针对经验 OCE 最小化器的两个学习边界，并通过神经网络实验演示了所提边界的实际意义。

    Jun, 2020

  • 递归优化等效性下的马尔科夫决策过程遗憾界限

    本文提出了一种新的基于表格化马尔可夫决策过程的递归 OCE 的情节式风险敏感强化学习公式，并设计了一个高效的基于值迭代和上限置信度的学习算法，该算法实现了与场景数和动作数的最优依赖关系。

    Jan, 2023

  • 基于经验似然方法的样本平均逼近不确定性度量

    探讨使用经验似然方法来计算期望值目标和约束下最优解以及最优性差距的置信区间，从而量化样本平均近似的统计不确定性，并针对具有期望值目标和约束的优化问题提出了两个鲁棒优化问题，其基于不确定分布，具有适当校准的基于差异的不确定性集，以提供渐近统计保证。

    Apr, 2016

  • 通过将风险敏感强化学习优化等效确定性实现标准强化学习

    我们研究了具有优化的等效保证风险（OCE risk）的风险敏感强化学习（Risk-Sensitive Reinforcement Learning），并提出了两种基于标准强化学习的通用元算法：一种基于乐观算法，另一种基于策略优化。

    Mar, 2024

  • 学习无需集中注意力

    通过小球假设，本文在不假定类成员和目标是有界函数或具有快速衰减尾部的情况下，对凸类和使用平方损失的经验风险最小化的性能进行了尖锐边界限制。得到的估计与问题的噪声水平正确比例，并且当应用于经典的有限场景时总是会改善已知的边界。

    Jan, 2014

  • 使用赌博方法估计有限随机变量的均值

    本文引导出了计算未知均值的置信区间和时间均匀置信序列的一般方法，并应用于研究有界均值、有限抽样和无限抽样等多个问题。

    Oct, 2020

  • 风险度量置信度区间的分布优化框架

    本研究提出了一种基于分布优化框架来优化风险度量的方法，并通过使用经验分布的浓度界从而进行两个评估方案，进一步提高了数据的准确度。

    Jun, 2023

  • 经验条件风险价值的集中度界限：无界情形

    本文提出了一种基于样本计算条件风险价值 (CVaR) 的方法，通过统计方法得到了一个新的置信边界来估计 CVaR。该方法和得到的置信边界是基于量化反应的风险价值 (VaR) 估计的经验。

    Aug, 2018

  • 一种 Wasserstein 距离方法用于聚集实证风险估计

    本文介绍了一种基于 Wasserstein 距离的统一方法，用于两类广泛定义的风险度量的经验估计的集中界限，其中提出的风险度量类包括 CVaR、谱风险度量、CPT 值、偏差风险度量等。

    Feb, 2019

  • 有界随机变量的接近最优置信区间

    本研究提供了一种基于 Bentkus 集中结果的近乎最优置信序列，用于解决在线推断中随着样本大小不断增长需要统一有效置信区间的问题，证实这种置信序列在合成覆盖问题和自适应停止算法方面具有优越性。

    Jun, 2020