semi-bandit feedback | BriefGPT

关键词semi-bandit feedback

搜索结果 - 8

具有半绑定反馈的随机在线一致预测
通过修改模型输出一组标签而不是单个标签，符合预测已成为一种可行的不确定性量化策略。在在线学习设置中，我们考虑了半强盗反馈，其中只有在真实标签包含在预测集中时，我们才能观察到真实标签。我们提出了一种针对这种情况的新颖符合预测算法，并证明它相对
PDFa month ago
具有切换成本的对抗组合赌博机
通过分析具有切换成本的对抗组合赌博问题，本论文推导了极小后悔的下界并设计了相应算法，同时考虑了赌博反馈和半赌博反馈两种情况。
PDF3 months ago
协方差自适应最小二乘算法用于随机组合半带宽
我们设计了一种方差自适应的 OLS-UCB 算法，通过在线估计协方差矩阵的系数，在实践中更容易管理，从而改进了代理方差算法的遗憾上界，并且在满足所有非负协方差系数的情况下，有效利用了半强求职者反馈，在 P≤d 和 P≫d 的指数区间内都表现
PDF4 months ago
BORA：贝叶斯优化用于资源分配
本文提出了一种 Bayesian Optimization 算法用于解决最优资源分配问题，相比于传统的 Semi-Bandit Feedback 方法具有更高的效率和学习优化能力。
PDF2 years ago
组合半臂老虎机的汤普森抽样的统计效率
本文研究了采用半智能反馈的随机组合多臂赌博机问题。研究中提出了解决对于两种不同分布情况下是否存在效率最优、渐进遗憾最小算法的问题。通过分别采用 Beta 先验和高斯先验对 Combinatorial Thompson Sampling 策略
PDF4 years ago
组合多臂赌博机中 Thompson Sampling 的分析与概率触发武器
研究了在半盲反馈条件下，组合多臂赌博问题中，具有概率触发武器的组合汤普森抽样的遗憾，并在基准武器预期的连续 Lipschitz 情况下得出了 CTS 的遗憾界。
PDF6 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
一种高效的半强化反馈学习算法
研究在线组合优化问题下的半强化反馈，提出了一种结合 FPL 预测方法和新颖的损失估计程序（称为 Geometric Resampling）的学习算法，并且在能够进行高效离线组合优化的任何决策集合上可以有效实现。假设决策集合的元素可以用至多
PDF11 years ago