Finite sample learning of moving targets

要約

私たちは、サンプルから学ぼうとする動くターゲットを検討します。
私たちの結果は、ターゲットが変化している場合に一定のターゲットのために、制御と最適化で開発されたランダム化技術を拡張します。
ターゲットのほぼ正しい（PAC）推定を構築するために必要なサンプルの数に縛られた新規を導き出します。
さらに、移動ターゲットが凸ポリトープである場合、混合整数線形プログラム（MILP）を使用してPAC推定を生成する建設的な方法を提供します。
提案された方法は、自律的な緊急ブレーキへの応用で実証されています。

要約(オリジナル)

We consider a moving target that we seek to learn from samples. Our results extend randomized techniques developed in control and optimization for a constant target to the case where the target is changing. We derive a novel bound on the number of samples that are required to construct a probably approximately correct (PAC) estimate of the target. Furthermore, when the moving target is a convex polytope, we provide a constructive method of generating the PAC estimate using a mixed integer linear program (MILP). The proposed method is demonstrated on an application to autonomous emergency braking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google