[1G3-GS-1] 基礎・理論

[1G3-GS-1-05] 損失の期待値と分散をロバストに最小化する学習法

〇ホーランド マシュージェームズ¹ (1. 大阪大学)

キーワード：分散抑制

損失分布の期待値と分散の和を最小化する際、凸性のある目的関数（例：DRO）を導入することが有効であることは知られているが、損失値の裾が重く、二次モーメントの有限性のみ仮定した場合、外れ値に対する脆弱性が避けられず、理論保証が劣り、実用性も限定されてしまう。本提案では凸性を求めず、分散も直接推定せずに、外れ値が起こりうる状況下でもmean-variance最小化をロバストに行う学習アルゴリズム設計法を考案し、その特性と効果を実験と理論の両面で評価する。