[第106回 TrustML Young Scientist Seminar] Wen-Bo Du（南京大学）講演「Non-Parametric Rehearsal Learning via Conditional Mean Embeddings」

理化学研究所 革新知能統合研究センター（AIP）のTrustML Young Scientist Seminarシリーズによるオンライン研究講演です。南京大学LAMDAグループの博士課程学生Wen-Bo Du氏が、影響関係に基づいて行動を選択し望ましくない将来を回避するための研究領域「リハーサル学習」に対するノンパラメトリックな手法を紹介します。 提案手法は条件付き平均埋め込みを用いて再生核ヒルベルト空間上で目的関数を定式化し、不連続な望ましさ指標を滑らかなProbit代理関数で置き換え、入れ子型のカーネルリッジ回帰によって行動依存の結果分布を推定します。推定量は観測データのみから識別可能で、有限サンプル誤差上界と一致性が保証されており、合成データおよび半合成データのベンチマークでの実験結果も示されます。