distributionally robust | BriefGPT

关键词distributionally robust

搜索结果 - 12

分布鲁棒的安全样本筛选
本研究提出了一种名为分布鲁棒安全样本筛选（DRSSS）的机器学习方法，旨在识别不必要的训练样本，即使训练样本的分布在未来发生变化。通过将分布鲁棒（DR）范式与安全样本筛选（SSS）有效地结合起来，我们实现了此目标。我们通过扩展现有的 SSS
PDF24 days ago
分布鲁棒策略与李雅普诺夫证明学习
论文介绍了一种新颖的方法，用于在模型不确定性下合成分布鲁棒的稳定神经控制器和控制系统的证书。通过采用一种新颖的分布鲁棒的 Lyapunov 导数机会约束公式，确保 Lyapunov 证书的单调减少，解决了不确定系统稳定性保证控制器设计中的关
PDF3 months ago
具分布鲁棒性的不精确神经网络统计验证
为高维自主系统提供行为保证是人工智能安全领域中的一个特别具有挑战性的问题。本文提出了一个基于主动学习、不确定性量化和神经网络验证的新方法，其中的核心是一种称为不精确神经网络的集成技术，它提供了用于引导主动学习的不确定性。通过在多个物理模拟器
PDF10 months ago
双重悲观主义在分布式鲁棒离线强化学习中证明有效：通用算法与鲁棒部分覆盖
本研究提出了一个新的算法框架用于分布鲁棒离线强化学习，该算法结合了一种灵活的模型估计子程序和双倍悲观的策略优化步骤，其关键在于通过特定的模型估计子程序，提高离线数据集对鲁棒策略的覆盖度，从而有效克服分布偏移问题，并在多种函数逼近近似方法中得
PDFa year ago
面向分布式鲁棒安全强化学习的风险规避模型不确定性
我们提出了一个采用深度强化学习的框架，通过相干畸变风险度量考虑模型不确定性的风险规避观点，并表明我们的公式等价于具有性能和安全保障的分布鲁棒安全强化学习问题，并展示了我们框架在 Real-World 强化学习套件中各种具有安全约束的连续控制
PDFa year ago
Wasserstein 不确定性下的马尔科夫决策过程稳健 Q 学习算法
我们提出了一种新的 $Q$-learning 算法，用于解决分配鲁棒的马尔可夫决策问题。我们证明了算法的收敛性，并提供了几个示例来说明我们算法的可处理性以及考虑分布稳健性在解决随机最优控制问题时的好处，尤其是在实践中估计的分布出现错误时。
PDF2 years ago
在具有概率集合的多标签问题中进行怀疑二元推断
本文探讨了分布鲁棒的怀疑推断在多标签问题中的应用，特别是在 Hamming 损失方面，表明我们的方法可以在某些情况下提供有用的推断，并证明在处理不完整信息时比其它方法更优。
PDF2 years ago
一种分布鲁棒的公平分类方法
提出了一种具有不公平惩罚的分布鲁棒逻辑回归模型，可以使用 Wasserstein ball 来对分布不确定性进行建模以实现公平机会并提高公平性。
PDF4 years ago
学习最优的分布鲁棒个性化治疗规则
本文提出了一种基于分布鲁棒性的个性化决策模型，在训练和测试分布存在差异时，通过最大化最差情况下的价值函数，得出具有更好泛化性能的最优个性化治疗方案。
PDF4 years ago
通过 Wasserstein 分布稳健优化桥接贝叶斯和极小值均方误差估计
提出了一种基于 Wasserstein 模糊集的分布鲁棒的最小均方误差估计模型，该模型可以被视为一个零和博弈，其中一个统计学家选择估计器，另一个虚构对手选择一个先验，通过最小化和最大化预期的平方估计误差来实现其目标。
PDF5 years ago
Wasserstein 分布鲁棒卡尔曼滤波
研究分布鲁棒平均误差估计问题，提出分布鲁棒 Kalman 滤波器以对抗模型风险，使用非凸的 Wasserstein 不确定性集合中的正态分布，通过可行的凸规划以 Frank-Wolfe 算法计算方向搜索子问题的解。我们展示了最优估计器和最不
PDF6 years ago
NIPS分布鲁棒性逻辑回归
本文提出了一种使用 Wasserstein 距离构建概率分布空间球体，并在此基础上最小化包含了经典和常见正则化逻辑回归的最坏情况期望对数损失函数的鲁棒分布逻辑回归模型，同时使用基于 Wasserstein 球的分布鲁棒方法计算分类器误分类概
PDF9 years ago