Adaptive submodularity, theory and applications in active learning and stochastic optimization
Varios problemas en inteligencia artificial exigen realizar de manera adaptativa una secuencia de resultados de decisiones bajo incertidumbre bajo observabilidad parcial. Resolver tales problemas de optimizacin̤ estocs̀tica es desafo̕ fundamental, aunque particularmente difc̕il.En este documento se...
Saved in:
| Other Authors: | , , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | Adaptive submodularity, theory and applications in active learning and stochastic optimization |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Varios problemas en inteligencia artificial exigen realizar de manera adaptativa una secuencia de resultados de decisiones bajo incertidumbre bajo observabilidad parcial. Resolver tales problemas de optimizacin̤ estocs̀tica es desafo̕ fundamental, aunque particularmente difc̕il.En este documento se introduce el concepto de submodularidad adaptativa, generalizando las funciones de conjuntos submodulares para polt̕icas adaptativas. Se demuestra que, si un problema satisface esta propiedad, es suficiente con un simple algoritmo voraz adaptativo para que sea competitivo con la polt̕ica p̤tima. Adems̀ de brindar garanta̕s de desempeǫ para optimizacin̤ y cobertura estocs̀ticas, la submodularidad adaptativa se puede emplear para acelerar considerablemente el algoritmo voraz utilizando evaluaciones perezosas (lazy evaluations).Se ilustra la utilidad del concepto proporcionando varios ejemplos de objetivos submodulares adaptativos que surgen en diversas aplicaciones de inteligencia artificial, incluyendo gestin̤ de recursos sensibles, marketing viral y aprendizaje activo. Probar la submodularidad adaptativa para estos problemas permite recuperar resultados existentes en estas aplicaciones, tales como casos especiales, mejorar garanta̕s de aproximacin̤ y dominar generalizaciones naturales. |
|---|---|
| ISSN: | 1076-9757 |