wasserstein distributionally robust optimization

关键词wasserstein distributionally robust optimization

搜索结果 - 6

不精确的 Halpern 迭代在分布鲁棒优化中的应用
通过选择适当的不精确度容限，我们的结果放宽了文献中采用的不精确条件，同时具有相同的竞争性收敛性能，从而研究了解决单调包含问题的 Halpern 迭代的不精确变体，并进行广泛的收敛性分析。我们还演示了如何将该方法应用于两类数据驱动的 Wass
PDF5 months ago
上下文随机双层优化
我们引入了上下文随机双层优化（CSBO）—— 一种在下层问题最小化给定某些上下文信息和上层决策变量条件下的期望的随机双层优化框架。该框架扩展了经典的随机双层优化，使得下层决策者不仅对上层决策者的决策做出最优响应，还对一些侧面信息做出响应，并
PDF8 months ago
神经网络的 Wasserstein 分布鲁棒性
对于图像识别任务，深度神经网络易受到针对性攻击，本文使用 Wasserstein 分布鲁棒优化技术重新构建问题模型，并提出了新的攻击算法，包括 FGSM 和 PGD，并给出了对分布威胁模型的渐进估计。
PDFa year ago
ICML具原则的学习方法：带有局部扰动的 Wasserstein 分布鲁棒优化
本文提出了一种基于新近估算定理的 WDRO（Wasserstein 分布鲁棒优化）最小化器，通过实现该最小化器及提供相应的风险一致性结果，发现该方法成功应用于本地扰动数据的 WDRO 推断，同时对噪声数据如图像分类数据集表现出鲁棒性优异的效
PDF4 years ago
Wasserstein 分布鲁棒优化：机器学习中的理论和应用
此论文介绍了基于 Wasserstein 分布鲁棒优化的数据驱动决策方法，能够解决样本有限、参数不确定的情况下，采用仅仅通过数据学习决策的问题，绕过测试样本不能涵盖所有情况的问题，具有良好的效果且容易计算。此方法对于分类、回归等基本学习任务
PDF5 years ago
Wasserstein 分布稳健优化和变差正则化
本文发展了关于 Wasserstein DRO（分布鲁棒优化问题中的一种方法）变化规则的一般理论，它是一种新形式的正则化，可以处理可能不是凸的和不光滑的损失以及非欧几里得空间上的损失。通过应用我们理论中的变化规则，我们为对抗性鲁棒学习提供了
PDF7 years ago