Aug, 2021

基于元数据的贝叶斯分层模型多任务赌博机

PDF
TL;DR在这篇论文中，我们引入了基于元数据的多任务赌博机问题，提出了一种基于贝叶斯分层模型的任务关系捕捉方法，并设计了一个 Thompson 抽样算法来高效地学习任务关系、共享信息，并最小化累计遗憾。通过对高斯赌博机和伯努利赌博机的分析，我们证明了信息共享的算法的好处。该方法还得到了广泛的实验支持。
multi-armed banditsmetadata-based multi-task bandit problembayesian hierarchical modelsthompson sampling algorithminformation sharing
发现论文，激发创造
  • 分层贝叶斯赌博机

    该论文提出了一种基于分层贝叶斯赌博机的自然分层 Thompson 采样算法（HierTS），可有效解决元学习、多任务学习、联邦学习等类似问题，并通过实验展示了分层结构有助于任务间的知识共享。

    Nov, 2021

  • 元学习下的神经协作过滤赌博机

    通过构建神经协同过滤自适应组 Metaban 算法，本文将人工智能中的探究与利用困境（exploitation-exploration dilemma）应用于定制化推荐，并在实验中将 Metaban 与六种模型进行对比，结果表明 Metaban 显著优于其他模型的表现。

    Jan, 2022

  • 共享仿射子空间中的元学习在赌博机中的应用

    通过在线主成分分析学习低维仿射子空间，从而降低遇到的赌博机的预期遗憾，我们研究了通过充分利用其集中性解决多个情境随机赌博任务的元学习问题。我们提出并理论地分析了两种解决方法：一种是基于在不确定性面前的乐观原则，另一种是通过汤普森抽样。我们的框架是通用的，并包括之前提出的方法作为特殊情况。此外，实证结果表明，我们的方法显著减少了一些赌博任务的遗憾。

    Mar, 2024

  • 探索 / 开发策略的元学习：多臂赌博机案例

    本研究提出了一种基于元学习方法的新的解决方案，可以在一个特定的 E/E 问题类别上利用先前的知识，从而找到一个平均表现最佳的候选 E/E 策略。此方法在两种不同的假设空间中都取得较好的实验结果和鲁棒性评估。

    Jul, 2012

  • 强制性探索在赌博问题中的应用

    设计一种不使用奖励分布信息的多臂赌博机算法，通过交替应用贪婪规则与强制探索来实现显著的后悔上界，并提供不同强制探索策略下的问题依赖性后悔上界分析方法，适用于不同奖励分布的固定和分段固定设置。

    Dec, 2023

  • 元学习对抗性赌博机

    本文研究了跨多任务的在线学习问题，设计了一个统一的元算法，旨在优化平均性能。该算法在多臂老虎机和乐观线性优化两个重要情境下提供了特定保证，通过任务平均后悔的降低来提高性能。

    May, 2022

  • 简单后悔最小化的元学习

    一个 meta-learning 框架有效的解决了 bandit 任务中的 regret minimization 问题，提出了贝叶斯和频率主义算法，评估了不同的环境。

    Feb, 2022

  • 多臂老虎机中聚类和历史信息的最优利用

    本研究研究了带有历史观测和预聚类武器的随机多臂赌博问题和情境赌博问题，并开发了一系列算法来有效地在在线探索阶段内合并这些离线信息并推导了它们的后悔界限，其中包括 META 算法，该算法在使用历史观测和聚类的算法和仅使用历史观测的算法之间有效地避险，并且在聚类质量良好时优于后者，反之亦然。

    May, 2019

  • 元学习对抗强盗算法

    该论文研究了具有 bandit feedback 的在线元学习，目的是通过某种自然的相似性度量改善类似的多个任务的性能。

    Jul, 2023

  • 多臂赌博机中的分布式协作决策：频率学派和贝叶斯算法

    本研究使用频率学派和贝叶斯算法以及运行协商算法解决多智能体多臂赌博机问题中的探索和开发的分布式合作决策问题，并证明了这些算法的性能，以及通信图结构对决策性能的影响。

    Jun, 2016