Параметрические коэффициенты для непараметрической условно-двигательной оптимизации на двух уровнях

arXiv: 2605.21341v2 Annuales Type: заменить резюме: мы изучаем функциональную двууровневую оптимизацию с условными моментами, где гиперградоры встроенного типа могут наследовать ошибки первого порядка из непараметрических условных ожиданий. Мы введём ОбиГрад, ортогонализированный гиперградиентный оценщик, чья предвзятость является результатом неприятных ошибок. В условиях регрессии и сложности прогнозируемый градиентный спуск при непосредственном включённом гипергравитационе ожидаемая погрешность на уровне станции $O(T__ {-1/2}+n> {1/2} + n¶n________________ {-unu/b}) долл. для лучшего итерата, тогда как OBiGrad достигает $0(T_ {-1/2)+n___ {-1.2}+N\b}$, где b=nnu (2+p)+gamma$ сочетает приближение и сложность выступов. Таким образом, когда $nu(2-p)\ge#gamma$, OBiGrad достигает параметрической статистической ставки в размере 0(T__ {-1/2}+ n> {1/2} долл. США, улучшая достаточный размер выборки по отношению к прямой линии подключения для фиксированного бюджета итерации. Мы иллюстрируем эти успехи в решении проблем, связанных с переменным инструментом и установленным Q-регрессией.