高效广义低秩张量内容自助机

Nov, 2023

Efficient Generalized Low-Rank Tensor Contextual Bandits

Qianxin Yi, Yiyang Yang, Yao Wang, Shaojie Tang

TL;DR本文提出了一种新颖的多维数据和奖励函数非线性性能充分发挥的强大 Bandits 算法，引入了广义低秩张量上下文 Bandits 模型进行决策服务，并证明其优于向量化和矩阵化情况的后悔界。通过一系列仿真和真实数据实验验证了该算法的有效性，充分利用了低秩张量结构来提升学习性能。

Abstract

In this paper, we aim to build a novel bandits algorithm that is capable of fully harnessing the power of multi-dimensional data and the inherent non-linearity of →

bandits algorithm multi-dimensional data reward functions low-rank tensor exploration and exploitation

发现论文，激发创造

广义低秩矩阵强盗问题的高效框架

研究了随机上下文低秩矩阵赌博问题，提出了 G-ESTT 框架和 G-ESTS 框架，分别达到了有限次后悔的上界，并进行了一系列实验来验证算法的可行性和性能。

Jan, 2024

低秩广义线性赌博机问题

提出了一种基于在线到置信区间映射和基于低秩矩阵覆盖的指数加权平均预测器相结合的算法，解决了低秩线性赌博机问题，具体算法延伸自探索子空间再精炼算法，可以使得拥有低秩矩阵 Theta 的线性赌博机达到更好的期望累积损失表现并得到了实验的验证。

Jun, 2020

高维和低秩张量赌博机

TOFU 算法研究了一个基于张量表示的线性赌博模型，其中系统参数和行动由张量表示，特别关注未知系统张量为低秩张量的情况。它首先利用灵活的张量回归技术估计与系统张量相关联的低维子空间，然后利用这些估计将原始问题转化为具有系统参数范数约束的新问题，最后采用 TOFU 算法，它利用这些约束来避免探索整个高维参数空间，理论分析表明，TOFU 在比先前的最佳后悔上界改善的倍数增加了一个随着系统阶数呈指数增长的系数，同时 TOFU 还建立了一个新的性能下限，进一步证明了 TOFU 的效率。

May, 2023

广义线性情境赌博机的可证明最优算法

本文提出了针对广义线性情境臂的上界置信度算法，实现了与众不同的性能，同时我们还分析了更简单的上界置信度算法，在特定情况下证明了该算法具有最优的后悔。

Feb, 2017

低秩赌博机的紧致二至无穷奇异子空间恢复

我们研究具有低秩结构的情境强化学习，提出了高效的算法用于策略评估、最佳策略识别和遗憾最小化，这些算法近乎极小化的性能表现可达到理论最优水平。

Feb, 2024

半参数情境赌博机

该论文研究了半参数上下文赌博机问题，设计了新的算法来解决非线性混淆影响下的奖励估计问题，并通过实证评估证明了该算法的有效性。

Mar, 2018

低秩结构下的双线性赌博机

提出了一种具有低秩结构的双线性赌博问题，详细介绍了探索 - 子空间探索 - 再调整（ESTR）算法的两个阶段，并证明了该算法具有更好的遗憾边界和性能优势。