Oct, 2019

带有双重竞技和抽取的阈值赌博机问题

PDF
TL;DR本文提出了一种名为 Rank-Search 算法的解决 Thresholding Bandit Problem with Dueling Choices（TBP-DC）的方法，该方法通过交替排序和二分查找来处理此问题，并证明了其理论保证，同时还提供了实验结果来证明其优越性。
thresholding bandit problemdueling choicescrowdsourcingrank-search algorithmtheoretical guarantees
发现论文，激发创造
  • 自适应双探索权衡策略用于异常检测

    本文研究一类基于阈值的异常检测问题，提出双重探索算法，通过构建自适应置信区间和自动平衡各臂探索与阈值探索的权衡，实现更高效的异常检测。实验表明本算法在合成和真实数据集上均表现出色。

    May, 2020

  • 双掷硬币汤普森抽样在对决式多臂老虎机算法中的应用

    该论文通过提出 D-TS 算法，使用 Thompson Sampling 解决了 dueling bandit 问题，该算法适用于一般的 Copeland dueling bandits，其中 Condorcet dueling bandits 是其特例，并在合成和真实数据上进行了模拟，证明了算法的效率。

    Apr, 2016

  • 最优阈值线性赌臂机

    本研究旨在探讨一种新颖的纯探索问题：在随机线性赌臂问题中具有固定置信度的 ε- 阈值赌臂问题（TBP）。我们证明了采样复杂度的下界，并将一种设计用于解决线性情况下的最佳臂识别问题的算法扩展到了 TBP 问题中，该算法是渐近最优的。

    Feb, 2024

  • 具有相关臂的多路对决自适应波段算法

    本文研究具有相关性的多股臂的多对打算法，在推荐系统等领域可以更高效地学习和优化用户的基于偏好的关键特征，使用自对抗算法，结合高斯过程统计方法可以更准确地捕捉相关性，提升算法的效果。

    Apr, 2017

  • 阈值赌博机问题的最优算法

    本文提出一种基于启发式算法的无参数算法，用于解决特定的组合纯探索随机赌博机问题，以寻找一组平均值高于给定阈值的摇臂，满足给定精度和一定的时间限制，并证明该算法是情况下的最优解决方案，并提供了相应的上下界。本文是首个针对纯探索设置的固定预算问题，并构建了最优策略。

    May, 2016

  • K 臂对决赌徒问题的相关上限置信界

    本文介绍了一种新的解决 K-armed dueling bandit 问题的方法，其扩展了 Upper Confidence Bound 算法并证明了有限时间的遗憾度为 O（log t）。 经实验结果证实，与现有技术相比，该方法在信息检索中取得了显着的优势。

    Dec, 2013

  • 具有定性反馈的决斗式对抗

    研究了一种名为 Qualitative Dueling Bandit (QDB) 问题的多臂老虎机问题，提出了可直接估算每个臂直接胜出率的解算法，并在理论和实验上证明了算法在使用质量反馈时表现出色。

    Sep, 2018

  • 基于偏好的 Dueling Bandits 在线学习：综述

    本研究调查了基于偏好的多臂赌博机和决斗赌博机的最新研究现状及其解决方法，关注于在序贯决策过程中进行的数据反馈和学习，并且考虑了强度信息不可用的情况。

    Jul, 2018

  • 将对决强盗问题简化为基本强盗问题

    提出了减少德杰斯特拉竞标者问题 (Dueling Bandits) 到传统 (随机) 多臂赌博机问题 (Multi-Armed Bandits) 的算法，我们的算法有着广泛的应用性以及在有限和无限的情况下证明了较优的回报上限。

    May, 2014

  • 神经对决巴甸

    应用神经网络估计奖励函数、提出一种基于上界置信度和汤普森采样的算法，解决了上下文对决匹配问题中线性奖励函数假设带来的挑战，并在合理次数内选择最佳策略。同时扩展理论结果到带有二元反馈的上下文匹配问题。

    Jul, 2024