exploration-exploitation trade-off | BriefGPT

关键词exploration-exploitation trade-off

搜索结果 - 30

贝叶斯策略优化模型不确定性
解决不确定性对于自主系统在现实世界中的可靠适应至关重要。我们提出了一种模型不确定性的连续 Bayes-Adaptive Markov Decision Process（BAMDP）算法，其中代理人维护潜在模型参数的后验分布，并相对于该信念分
PDF6 years ago
KDDBelMan：基于置信度 - 奖励流形的贝叶斯臂选择算法
本文提出了一种基于贝叶斯和信息几何学的通用方法，用于解决多臂赌博机问题的探索 - 开发权衡，并介绍了 BelMan 方法，该方法基于使用伪信念 - 激励的质心来概括赌博臂和其激励分布的知识，在某些特定情况下，BelMan 不仅有竞争力，而且
PDF6 years ago
多路对决棍手算法及其在在线排序器评估中的应用
提出了一种新的 dueling bandits 模型来解决在线排名器评估中的探索 - 开发权衡问题，该模型使用对于无限数量的排名器的同时比较。实验结果表明，该算法与现有的最先进的 dueling bandit 算法相比，表现出了数量级的性能
PDF8 years ago
AAAI具有 Lipschitz 连续奖励函数的高斯过程规划：走向统一贝叶斯优化，主动学习及其它领域
本文提出了一个新颖的非远见自适应高斯过程规划 (GPP) 框架，赋予了一般类的 Lipschitz 连续奖励函数，可以统一一些积极学习 / 感知和贝叶斯优化标准，并为实践者提供一些灵活性，以指定他们定义新的任务 / 问题所需的选项。
PDF9 years ago
达尔文阅读笔记中的维多利亚科学探索与利用
我们研究了查尔斯・达尔文的阅读选择，并使用主题模型计算其表现出的探索 (exploitation) 与开拓 (exploration) 决策方式的变化。通过计算 Kullback-Liebler 差异，我们发现达尔文的行为从早期的开拓（ex
PDF9 years ago
ICML神经网络中的权重不确定性
提出了一种新的、高效的、基于 Backprop 的方法 Bayes by Backprop，用于在神经网络的权重上学习概率分布，通过最小化压缩成本（即变分自由能或边缘似然的预期下界）来规范权重。该方法在 MNIST 分类的任务上表现出与 d
PDF9 years ago
基于模型的贝叶斯探索
本文论述的是如何在强化学习的算法中基于概率分布估算每个行动的信息价值，并选择能够平衡探索与利用的最佳行动。
PDF11 years ago
随机和非随机多臂赌博机问题的遗憾分析
本调查报告主要关注于多臂赌博问题中两个极端情况的分析，即独立同分布回报和对抗性回报，并对有限行为、情境赌博模型等进行了分析。
PDF12 years ago
对于鞅的 PAC-Bayes-Bernstein 不等式及其在多臂老虎机中的应用
本文提出了一种基于针对权重平均的集中不等式和重要性加权抽样的数据相关分析工具来分析在有限反馈下学习中的勘探开发（exploration-exploitation）权衡问题，并且通过使用随机多臂赌博机模型进行了实验验证。
PDF13 years ago
多臂赌博问题的纯探索
研究随机多臂老虎机问题的性质和限制，探讨具有在线探索特性的预测器的表现，其中简单后悔被评估，讨论简单后悔与累计后悔的关系，在有限臂数的情况下展示了一种性能下限和预测器的上限后悔，并针对连续老虎臂问题进行了研究。
PDF16 years ago