Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2003.00189v3

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2003.00189v3 (cs)
[提交于 2020年2月29日 (v1) ,最后修订 2020年6月23日 (此版本, v3)]

标题: 对抗性在线控制的对数遗憾

标题: Logarithmic Regret for Adversarial Online Control

Authors:Dylan J. Foster, Max Simchowitz
摘要: 我们引入了一种新的在线线性二次控制算法,适用于已知系统在对抗性扰动下的情况。 在此设置中,现有的遗憾界为$\sqrt{T}$,除非对扰动过程施加强随机假设。 我们给出了第一个针对任意对抗性扰动序列的算法,前提是状态和控制成本由已知的二次函数给出。 我们的算法和分析使用最优离线控制律的特征,将在线控制问题转化为带有近似优势函数的(延迟)在线学习。 与之前的技术相比,我们的方法不需要控制迭代的移动成本,从而实现了对数遗憾。
摘要: We introduce a new algorithm for online linear-quadratic control in a known system subject to adversarial disturbances. Existing regret bounds for this setting scale as $\sqrt{T}$ unless strong stochastic assumptions are imposed on the disturbance process. We give the first algorithm with logarithmic regret for arbitrary adversarial disturbance sequences, provided the state and control costs are given by known quadratic functions. Our algorithm and analysis use a characterization for the optimal offline control law to reduce the online control problem to (delayed) online learning with approximate advantage functions. Compared to previous techniques, our approach does not need to control movement costs for the iterates, leading to logarithmic regret.
评论: ICML 2020
主题: 机器学习 (cs.LG) ; 优化与控制 (math.OC); 机器学习 (stat.ML)
引用方式: arXiv:2003.00189 [cs.LG]
  (或者 arXiv:2003.00189v3 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2003.00189
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Dylan Foster [查看电子邮件]
[v1] 星期六, 2020 年 2 月 29 日 06:29:19 UTC (52 KB)
[v2] 星期二, 2020 年 3 月 10 日 04:19:06 UTC (64 KB)
[v3] 星期二, 2020 年 6 月 23 日 08:17:44 UTC (65 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2020-03
切换浏览方式为:
cs
math
math.OC
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号