Loading...

Online Convex Optimization in Presence of Concept Drift

Rasouli, Sina | 2018

1644 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 52242 (02)
  4. University: Sharif University of Technology
  5. Department: Mathematical Sciences
  6. Advisor(s): Razvan, Mohammad Reza; Alishahi, Kasra
  7. Abstract:
  8. The problem of learning using high volume of data as stream, has attracted much attention recently. In this thesis, the problem is modeled and analized using Online Convex Optimization tools [1], [2]. General performance bounds are stated and clarified in this framework [8]. Using the practical experience in Online Decision Making (e.g., predicting price in Stock Market), the need for a more flexible model, which adapts to changes in problem, is presented. In this thesis, after reviewing the literature and online convex optimization framework, we will define ”Concept Drift”, which describes changes in the dynamics of the problem and the statistical tools to detect it [13], [5]. And finally, we will compare and analyze the performance of online convex optimization methods, in presence of concept drift.All analysis are carried out both theoretically and using simulations
  9. Keywords:
  10. Online Optimization ; Convex Optimization ; Online Learning ; Concept Drift

 Digital Object List

 Bookmark

  • انگیزه و پیش‌نیازها
    • انگیزه
    • پیش‌نیازها
      • نمادگذاری زمان اجرای الگوریتم
      • بهینه‌سازی محدب
      • مجموعه‌ها و تابع‌های محدب
      • مسئله‌های بهینه‌سازی محدب
  • خاستگاه مسئله
    • مسئله‌های مورد بررسی
      • مسئله‌ی ترافیک
      • پیش‌بینی رفتار سهام
  • یادگیری برخط
    • بهینه‌سازی برخط
      • نظریه‌ی یادگیری آماری
      • یادگیری برخط
    • یادگیری به کمک نظر متخصص‌ها
      • طالع‌بین با وزن‌دهی نمایی
      • کران بالای بهینه
      • کران‌هایی که در طی زمان برقرارند
  • رانش مفهوم
    • تعریف
      • تعریف‌ها و پیچیدگی‌های مسئله
    • نوع رانش مفهوم
      • از نظر سرعت
      • از نظر بنیان
    • مسئله‌ی بازار سهام
      • چالش‌های عملی
      • پیش‌بینی قیمت سهام
      • ویژگی‌های مورد نیاز
    • پشیمانی تخفیف‌یافته
    • مروری بر رویکردهای پیشین
      • سیستم‌هایی با قابلیت تطبیق
      • الگوریتم‌های یادگیری پایه
      • دسته‌داده‌های آزمایش
      • نتیجه‌های نظری
      • یادگیری گام‌به‌گام در برابر یادگیری دسته‌ای
      • معیارهایی برای به‌روز کردن مدل کنونی
    • معرفی تفصیلی ادبیات
  • مقایسه‌ی عملکرد
    • متخصص‌ها
    • تجمیع نظرها
      • نتیجه‌های شبیه‌سازی
  • پیوست
    • اثبات قضیه‌ی 3.2.1
  • چکیده‌ی انگلیسی
...see more