Polyak--Ruppert
PulseAugur coverage of Polyak--Ruppert — every cluster mentioning Polyak--Ruppert across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的时序差分框架使用贝尔曼正交性校准黑盒模拟器
研究人员引入了一个新的时序差分（TD）框架，旨在校准黑盒模拟器。该框架利用目标系统的一次性转移和模拟器生成的带噪声的连续值。校准参数通过贝尔曼正交性定义，在模拟器规范正确时可以恢复物理参数，或者在规范错误时提供策略值的近最优L2近似。该论文基于随机方向有限差分提出了三种TD算法，并详细说明了它们在各种查询噪声条件下的收敛性质和误差界限。
-
新的时序差分框架使用贝尔曼正交性校准黑盒模拟器
研究人员开发了一种新的无导数时序差分（TD）框架，用于校准黑盒模拟器。该框架使用目标系统的一次转移和嘈杂的模拟器生成的延续值，通过贝尔曼正交性定义校准参数。提出的 TD 算法在各种查询噪声机制下建立了收敛性和误差界限，揭示了一种依赖于规范的偏差现象，在这种现象中，偏差在模拟器规范正确的情况下可能会消失。
-
新研究详细介绍了马尔可夫LSA算法的高阶误差界限
一篇新的arXiv论文详细介绍了线性随机逼近（LSA）算法的进展，特别关注马尔可夫噪声下的偏差和误差界限。该研究引入了一种新颖的偏差分解技术，并将Richardson-Romberg外插法应用于消除主导偏差项。研究结果表明，外插迭代的误差界限可以匹配标准平均LSA的最优协方差矩阵。
-
新的SGD方法支持具有理论保证的在线分位数估计
本文介绍了一种新颖的平滑随机梯度下降（SGD）算法，用于在线分位数估计。该方法确保估计值在整个流数据过程中相对于分位数水平保持单调。该研究提供了尾部概率界限的理论保证，并提供了一种在线乘数自举方法，用于跨坐标和分位数水平进行有效的同步推断。
-
两篇arXiv论文探讨有限迭代理论和时序差分学习的在线推理
两篇新的arXiv论文深入探讨了时序差分（TD）学习方法的理论基础，重点关注其有限迭代行为和在线统计推理。第一篇由Ege Can Kaya撰写的论文分析了标量和多变量设置下的异步分类TD学习，建立了折扣界限和有限迭代保证。第二篇论文研究了回报分布函数量的在线推理，证明了根T误差弱收敛到高斯随机元素，并为各种统计函数量证明了bootstrap推理的合理性。
-
新的arXiv论文探讨具有隐私和应用的高级分位数回归
arXiv上的两篇新研究论文介绍了先进的分位数回归技术。第一篇论文详细介绍了成对分位数回归，建立了理论保证，并展示了其在面部识别误差分析中的应用。第二篇论文提出了一种本地私有的在线分位数回归方法，能够在严格的隐私协议下进行估计和推断，模拟显示了其有效性，并以纽约市出租车行程为例进行了说明。
-
新的 TD(0) 算法通过单一步长实现鲁棒且快速的收敛
研究人员开发了一种新的线性 TD(0) 算法方法，该方法使用单一的步长调度，无需预先了解曲率参数。这种方法为算法的稳定性和收敛性提供了高概率保证。新的步长调度同时实现了鲁棒的、无曲率的速率和快速的、依赖曲率的速率，为马尔可夫环境中的学习提供了更有效、更稳定的解决方案。
-
新理论：SA-Adam 自适应性渐近不可见
研究人员发表了一篇论文，详细介绍了对自适应优化算法的理论分析，特别关注了带有动量和非收敛自适应预处理的 SA-Adam。该研究证明了在这种配置下存在一个非自治的 Polyak-Ruppert 中心极限定理，表明在迭代边际协方差方面，优化器的自适应性是渐近不可见的。这一发现表明，在某些条件下，特别是当动量增益亚线性衰减时，优化器的协方差结构会反映出普通随机梯度下降 (SGD) 的结构。
-
新的Q学习方法实现了n^{-1/4}的高斯逼近界
研究人员开发了一种用于函数逼近的熵正则化Q学习中高斯分布逼近的新方法。该研究为异步Q学习生成的平均迭代建立了收敛速率，实现了n^{-1/4}阶的高斯逼近界。这项工作将软贝尔曼递归的线性化与主要鞅项的高斯逼近相结合，还推导了算法最终迭代的高阶矩界。
-
研究人员开发了用于SGD置信集的_novel_bootstrap方法
研究人员开发了一种用于构建随机梯度下降（SGD）算法中置信集的新颖方法。这种新方法利用了乘数自举程序并建立了其_non-asymptotic_有效性。该方法实现了$1/\sqrt{n}$阶的近似率，这可能比现有的中心极限定理方法更快，并提供了SGD中自举准确性的第一个完全_non-asymptotic_界限。
-
新研究确定了在线推理中动态预处理的稳定阈值
研究人员确定了梯度下降方法中动态预处理的关键稳定阈值。该阈值决定了在线推理基础的 Polyak-Ruppert 平均技术何时能保持其渐近正态性。该研究提出了一种预处理矩阵分离分解来分析误差动态，并确定预处理矩阵稳定的速率必须超过与步长指数相关的特定阈值。