Distributionally Robust Optimization
本論文の概要 Distributionally Robust Optimization(以下、DRO)は分布シフトが起きている分類問題において頑健な性能を出すことが知られており、これまで合成データや画像分野への応用が見られるが、感情分析のような自然言語処理への応用はほとんど見ら…
論文の概要 本論文は、決定変数と不確実性を表す分布の台が同じ空間に属するとき、ある条件の下Robust Optimization(RO)の最適解がDistributionally Robust Stochastic Programming(DRSP)の最適解と漸近的に一致することを示したものである。 詳細な問題…
論文の概要 DROを考える動機 提案モデルおよび理論的保証 提案モデル 理論的保証 参考文献 論文の概要 敵対的サンプルが含まれるデータセットに対してロバストに回帰分析ができるよう、$p$-Wassersteinで不確実集合を定義した、偏差誤差を最小化するDROを提…
本論文の概要、動機: Multiple Instance Learningにおいて、bagに含まれるinstanceに複数種の正例や外れ値がある場合は従来法は性能が大幅に悪化する。本論文では、複数種の正例に対応できるように混合Gaussian Process(以下、GP)、また外れ値に対応でき…
本論文の概要: Distributionally Robust Chance-Constrained Optimizationの不確実集合をMLACKを用いたMMDで定義し、それをCVaRで近似した論文。 研究の動機: 確率制約付きの最適化問題は広く用いられているが、正確に確率分布を知っている必要があるため…