分布不确定下损失头寸的鲁棒优化确定性等价与分位数
数据结构与算法
2023-04-11 v1 机器学习
摘要
本文研究鲁棒优化确定性等价，并分析其作为分布不确定下损失头寸风险度量的相关性质。在此基础上，提出并讨论了鲁棒广义分位数。进一步分别考虑了具有两种特定惩罚函数和的鲁棒期望分位数。证明了具有的鲁棒期望分位数是 coherent 风险度量，并建立了对偶表示定理。此外，数值考察并模拟了惩罚函数对鲁棒期望分位数的影响及其与期望分位数的比较。
引用
@article{arxiv.2304.04397,
title = {Randomized and Deterministic Attention Sparsification Algorithms for Over-parameterized Feature Dimension},
author = {Yichuan Deng and Sridhar Mahadevan and Zhao Song},
journal= {arXiv preprint arXiv:2304.04397},
year = {2023}
}