마르티갈을 위한 PAC베이즈 부등식
본 논문은 동시에 진화하고 상호 의존적인 다수(무한대 포함)의 마르티갈 평균에 대한 고확률 집중 부등식을 제시한다. Donsker‑Varadhan 변분 공식과 새로운 KL‑형 Hoeffding‑Azuma 부등식을 결합해, 기존 i.i.d. 환경에서의 PAC‑Bayesian 분석을 마르티갈 상황으로 확장한다. 결과는 중요도 가중 샘플링, 강화학습 등 인터랙티브 학습 분야와 일반 확률·통계 이론에 바로 적용 가능하다. 또한,
저자: Yevgeny Seldin, Franc{c}ois Laviolette, Nicol`o Cesa-Bianchi
본 논문은 “PAC‑Bayesian Inequalities for Martingales”라는 제목 아래, 마르티갈(Martingale)이라는 확률 과정에 PAC‑Bayesian 프레임워크를 적용한 일련의 고확률 집중 부등식을 제시한다. 전통적인 마르티갈 집중 부등식은 Hoeffding‑Azuma와 Bernstein이 대표적이며, 각각 차분열이 유한 구간에 제한될 때와 변동량을 이용할 때 사용된다. 그러나 이러한 부등식은 개별 마르티갈에만 적용 가능하고, 다수의 마르티갈을 동시에 다루거나 사후 분포 ρ가 데이터에 의존적으로 선택될 경우에는 직접 적용하기 어렵다.
논문은 먼저 마르티갈 차분열 X₁,…,X_n이
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기