[第108回 TrustML Young Scientist Seminar] Yu-Jie Zhang氏(ワシントン大学)講演「非定常オンライン学習における曲率の役割」
RIKEN AIPセミナー。Yu-Jie Zhang氏が非定常オンライン学習における損失の曲率の役割を解説します。
- 日時
- 場所
- Meeting Room C, RIKEN Nihonbashi Office, Tokyo·ハイブリッド
- 地域
- 関東(東京)
- 主催者
- 理化学研究所 革新知能統合研究センター
- 言語
- EN
- 出典
- Doorkeeper
![[第108回 TrustML Young Scientist Seminar] Yu-Jie Zhang氏(ワシントン大学)講演「非定常オンライン学習における曲率の役割」](https://doorkeeper.jp/rails/active_storage/representations/proxy/eyJfcmFpbHMiOnsibWVzc2FnZSI6IkJBaHBBMVYyQVE9PSIsImV4cCI6bnVsbCwicHVyIjoiYmxvYl9pZCJ9fQ==--a5c843cb8358ea510f8b99f14ae64db5d267f999/eyJfcmFpbHMiOnsibWVzc2FnZSI6IkJBaDdCem9MWm05eWJXRjBTU0lJYW5CbkJqb0dSVlE2RTNKbGMybDZaVjloYm1SZmNHRmtXd2RwQWNocEFjZz0iLCJleHAiOm51bGwsInB1ciI6InZhcmlhdGlvbiJ9fQ==--ed21893bc3f6dbb42a45b555f9878f5434977670/aip_logo_w200.jpg)
概要
ワシントン大学のYu-Jie Zhang氏が、フィードバックに基づいて逐次的に意思決定を行うオンライン学習について講演します。最適な決定が時間とともに変化する場合に、損失関数の曲率がどのように学習を加速できるかを扱います。
勾配が有界の場合、曲率によって任意の有界凸領域で学習が加速され、従来研究で必要だった領域外予測も不要になることを示します。オンラインポートフォリオ選択のように勾配が非有界の場合は、変化する比較対象の幾何構造、特に境界に対する位置が高速な収束率の鍵になります。結果は動的リグレット解析と、新しいミクサビリティに基づく議論によって得られています。
会場は理研の日本橋オフィスで、オンライン参加も可能です。現地参加はAIPの研究者に限られます。オンライン最適化、バンディット、強化学習の理論に関心のある研究者向けです。
コミュニティについて
TrustML Young Scientist Seminarは、理研AIPが開催するセミナーシリーズで、信頼できる機械学習とその数理的基盤に関する若手研究者の研究発表を行います。
#machine-learning#online-learning#optimization#research-seminar#riken#theory