expected regret | BriefGPT - AI 论文速递

关键词expected regret

搜索结果 - 11

强化学习与入场控制的懊悔界限
任何强化学习算法的期望遗憾在无折扣回报情况下下界为 $\Omega\left (\sqrt {DXAT}\right)$，其中 $D$ 表示马尔科夫决策过程的直径，$X$ 表示状态空间的大小，$A$ 表示动作空间的大小，$T$ 表示时间步数
PDFa month ago
在线分类与预测
在线分类研究中，研究者利用对未来示例的预测来改进在线学习算法，以减小期望遗憾并提高分类准确性。该研究还证明了当未来示例可准确预测时，在线学习可以与转导式在线学习相媲美，从而对近期基于预测和分布假设的在线算法的研究提供了补充。
PDFa month ago
合作多智体图形赌博机：UCB 算法和遗憾分析
在这篇论文中，我们将多智能体图赌博问题定义为由 Zhang、Johansson 和 Li [CISS 57，1-6（2023）] 引入的图赌博问题的多智能体扩展。我们提出了一种基于上限置信界（UCB）的学习算法 Multi-G-UCB，并证
PDF6 months ago
安全线性随机赌博机
本文介绍了一个安全的线性随机挑战模型，其中学习器在每一阶段都需要选择一个预期奖励不小于预先确定的（安全）阈值的臂，以高概率。我们假设学习器最初掌握的是一个已知为安全但不一定最优的臂的知识。基于此假设，介绍了一种学习算法，它将已知的安全臂与探
PDF5 years ago
无投影赌博凸优化改进遗憾界
本文提出一种基于条件梯度法的 projection-free 的算法，通过线性优化预测每一轮的动作并达到了 $O (T^{3/4})$ 的预期最小化损失 (expected regret)。
PDF5 years ago
合作非随机多臂老虎机中的个体遗憾
研究通过交换信息在底层网络上通信的代理，以优化共同的非随机多臂赌博问题中各自的遗憾。我们推导出遗憾最小化算法，其中保证每个代理 v 的期望遗憾都是（1+K/|N (v)|)^T 的平方根量级。
PDF5 years ago
用户 - 用户和物品 - 物品协作过滤的遗憾界限和最优性区域
该研究提出了两种基于用户 - 用户和物品 - 物品协同过滤算法的在线推荐系统，以探索性建议为基础，并证明了它们的性能保证以及信息论下界对协同过滤算法的优化建议。
PDF7 years ago
一种几乎具有最优伪遗憾的算法，适用于随机和对抗性贝叶斯赌博机
本研究提出了一种算法，能够在对抗式和随机式赌徒问题中实现几乎最优的伪后悔界限，并表明任何在随机式赌徒问题中具有 O (log n) 伪后悔界限的算法都无法对自适应对抗式赌徒问题实现 O (sqrt (n)) 的期望后悔。
PDF8 years ago
组合半弦臂算法的一阶遗憾上界
本文研究了在线组合优化问题中的半盲反馈，提出了一种优化算法来减少期望后悔。该算法以 L_T * 的平方根为增长率，在部分反馈方案中首次实现了此类保证，并在组合设置中首次实现了此类保证。
PDF9 years ago
多臂赌博问题中汤普森采样的分析
本文介绍了使用贝叶斯算法的 Thompson Sampling 原则，旨在在序贯决策问题中研究探索 / 开发权衡。该算法在实验证明接近最优，并展现了一些理想的特性，但对该算法的理论认识相当有限。本文第一次展示了 Thompson Sampl
PDF13 years ago
非平稳赌博机问题的置信上限策略
本文考虑了分布保持不变，但在未知时间发生改变的非稳态赌徒问题，研究了两种算法：折扣上限置信区间和滑动窗口上限置信区间，并通过 Hoeffding 不等式得到了后者的上界，对不优的赌博机被玩的次数期望进行了上界估计并证明了存在性突然性改变时的
PDF16 years ago