AERO：受柔道启发基于重定向的优化框架用于鲁棒概率预测
机器学习
2025-06-04 v1 人工智能
摘要
优化仍然是机器学习的基础支柱，然而现有方法在动态非线性系统中往往难以保持稳定性和适应性，尤其是在不确定性条件下。我们引入了 AERO（Adversarial Energy-based Redirection Optimization，基于对抗能量的重定向优化），这是一种受柔道重定向原理启发的新型框架，它利用而非抵抗外部扰动。AERO 将优化重新设想为由 15 条相互关联的公理指导的重定向过程，这些公理涵盖对抗校正、能量守恒和扰动感知学习。通过投影梯度、整合不确定性驱动的动力学以及管理学习能量，AERO 提供了一种实现稳定且鲁棒的模型更新的有原则方法。应用于概率太阳能预测时，AERO 在预测准确性、可靠性和适应性方面展现出显著提升，尤其是在嘈杂和不确定的环境中。我们的研究结果凸显了 AERO 作为优化理论与实践领域中一个引人注目的新方向。
引用
@article{arxiv.2506.02415,
title = {AERO: A Redirection-Based Optimization Framework Inspired by Judo for Robust Probabilistic Forecasting},
author = {Karthikeyan Vaiapury},
journal= {arXiv preprint arXiv:2506.02415},
year = {2025}
}
备注
15 pages, 1 figure, submitted to NeurIPS 2025 (preprint version)