The Complexity of Sequential Prediction in Dynamical Systems

要約

私たちは、基礎となる進化関数が不明な場合に、力学システムの次の状態を予測する学習の問題を研究します。
以前の研究とは異なり、力学システムにパラメトリックな仮定を置かず、学習理論の観点から問題を研究します。
新しい組み合わせの尺度と次元を定義し、それらがそれぞれ実現可能な設定と不可知論的な設定における最適な間違いと後悔の限界を定量化することを示します。

要約(オリジナル)

We study the problem of learning to predict the next state of a dynamical system when the underlying evolution function is unknown. Unlike previous work, we place no parametric assumptions on the dynamical system, and study the problem from a learning theory perspective. We define new combinatorial measures and dimensions and show that they quantify the optimal mistake and regret bounds in the realizable and agnostic setting respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google