ucb algorithm | BriefGPT - AI 论文速递

关键词ucb algorithm

搜索结果 - 9

序列多臂赌博机中的奖励样本传输
在该研究中，我们考虑了一个顺序随机多臂赌博问题，在多个回合中，代理与赌博机进行交互。臂的奖励分布在一个回合中保持不变，但在不同回合中可能发生变化。我们提出了一种基于 UCB 算法的方法，用于传输来自先前回合的奖励样本，并改善所有回合中的累积
PDF4 months ago
利用点击反馈对在线学习排序进行对抗攻击
本文研究了攻击多个 OLTR 变体的策略，并提出了一般的攻击策略来攻击任何算法，在合成数据和真实数据上的实验验证了我们提出的攻击算法的有效性。
PDFa year ago
受通信限制的加性高斯噪声下赌博机问题
研究了分布式随机多臂赌博问题，其通信反馈受到编码和加性高斯噪声的约束，在此情形下，提出了多相赌博算法 UE-UCB ++，该算法在初始阶段进行均匀探索，随后在最终阶段使用 UCB 算法，且均匀探索阶段形成的平均奖励的较粗估计有助于优化编码协
PDFa year ago
AAAI概率无界对抗下的稳健随机赌博算法
提出抵御恶意攻击的新型样本中位数算法和探索辅助上限置信区间算法，并通过多个仿真和实验表明它们能够在多臂赌博机问题中实现 sublinear regret。
PDF4 years ago
延迟复合匿名反馈的随机赌博机
探索一种新的多臂赌博问题（MAB）的设置，其中给出了随机延迟复合匿名反馈（SDCAF）的难点，使用基于 UCB 算法的相位扩展提出了两种算法，并通过遗憾分析显示出两种算法的亚线性理论保证。
PDF5 years ago
具公平约束的组合式睡眠赌博机
提出针对多臂赌博机模型（MAB）的新型组合睡眠 MAB 模型。通过扩展在线学习算法 UCB 以处理利用和探索之间的权衡，同时采用虚拟队列技术来正确处理公平性约束。最终提出一种名为 LFG 的新算法，可保证可行性最优，具有受时间平均后悔上限约
PDF5 years ago
延迟转化的随机强化学习赌博机模型
这篇文章提出并研究了一种基于 Chapelle 的框架的新的随机多臂赌博模型，其中每种操作可能会触发一个将以随机延迟发生的未来奖励，并提供了一些性能下界和基于 UCB 和 KLUCB 框架的两个简单而有效的算法。
PDF7 years ago
组合级联赌博机
提出了组合级联赌博算法，对分布随机的约束问题解决一类非线性奖励函数部分可观测性问题，提供了一种基于 UCB 算法的求解方法，并论证了与时间复杂度无关的期望损失界限和时间关联的损失上限。在两个真实世界的网络路径问题测试中，算法表现良好，说明该
PDF9 years ago
ICML延迟反馈下的在线学习
本文系统研究了在线学习与延迟反馈的主题，分析了延迟对在线学习算法的遗憾值的影响，提出了黑盒元算法以及基于 UCB 算法的改进方法来解决带有延迟反馈的学习问题。
PDF11 years ago