Oct, 2021

决定学习什么时的信息价值

HTML
PDF
TL;DR探究决策代理如何在不完全了解环境的情况下，通过理性获取信息构建最优学习目标，同时基于信息导向采样（information-directed sampling）和速率失真理论（rate-distortion theory）提出了一种有效的学习目标设计和信息获取方法，通过实验证明了信息获取在决定学习内容方面的价值。
发现论文，激发创造
  • 信息处理能力有限决策者中的抽象化

    利用自由能决策框架与失真率理论建立决策与人工智能中抽象概念的关系与应用，得出由于信息处理能力的限制而引起的抽象现象。

    Dec, 2013

  • 信息引导采样的优化学习

    该研究提出了一种新的信息导向采样的方法，它适用于在线优化问题，通过学习部分反馈，决策者需要在探索和利用之间取得平衡。

    Mar, 2014

  • 信息瓶颈下的传递和探索

    提出了一种利用信息瓶颈机制学习判决状态的增值方法，通过对观察的状态进行分析，识别有潜力的子目标进行新的探索，并指导代理经过判决状态和状态空间的新区域。

    Jan, 2019

  • 噪声环境下资源有限制的信息获取

    研究在资源受限和嘈杂环境下信息获取的理论模型，并且探讨了针对给定布尔公式的最佳测试策略的难点及启发式方法，并给出了两个相关性较弱却值得研究的问题，即理性忽视和难以学习/记忆的公式的特征。

    May, 2020

  • 信息导向的强化学习奖励学习

    使用基于贝叶斯模型的信息导向方法进行强化学习，通过最大化不同策略间回报差异的信息增益来选择专家反馈以提高政策性能。

    Feb, 2021

  • 逐步强化学习

    该论文讨论了如何设计数据高效的强化学习智能体，提供了信息获取、信息表示和信息保留等方面的原则指导，并通过简单智能体的计算结果强调了数据效率的重要性。

    Mar, 2021

  • 上下文信息导向采样

    探讨了在具有上下文信息的情况下，信息导向采样(IDS)设计的优化方式，并通过上下文赌博问题的两个案例证明了上下文IDS的优势，特别强调了考虑上下文分布的重要性。进一步提出了基于演员-评论家算法的计算有效版本的上下文IDS，并在神经网络上下文赌博中进行了实证评估。

    May, 2022

  • 容量有限认知及强化学习的速率失真理论

    本文介绍了一种信息理论模型，它使用一个有限传输速率的通信通道作为决策代理行为的描述，并在此基础上研究了一种基于学习目标的容量有限的决策制定方法， 为实现高效的学习算法提供了贝叶斯遗憾界的保证。

    Oct, 2022

  • 在局部观测下，结合信息寻求探索和奖励最大化: 统一的连续状态和行动空间推断

    本研究提出了一种新的统一原理来实现信息寻求和奖励最大化，将主动推理与强化学习结合起来，不仅解决了各自的局限性，同时还具有超越传统方法的探索新颖奖励的性能。

    Dec, 2022

  • 具备调解者反馈的赌博机信息容量遗憾界限

    这项研究针对中介反馈问题，提出了一个信息论度量，称为策略集能力，用于衡量策略集的复杂性。研究在对抗性和随机性环境中采用了经典的EXP4算法，提供了与策略集能力相关的新后悔上界，并且改进了相关的专家建议问题。此外，针对线性赌博反馈，我们还证明了一种不可能利用策略之间的相似性的下界，并且提供了一个与策略集的信息半径相关的全信息变种的后悔上界。

    Feb, 2024