研究人员开发了一类新的正则化贪婪算法，用于在有限时间范围内运行的多臂伯努利赌徒。这些算法为这类策略提供了首个推导出的有限时间后悔包络，表明后悔可以分解为探索成本和一个随着正则化增加呈指数级减小的收敛项。该分析提供了一种校准正则化参数的方法，从而提高了标准贪婪策略的后悔保证，并在数值实验中优于现有的最先进算法。 AI
影响 为有限时间实验环境中的决策引入了改进的算法。
排序理由 该集群包含一篇详细介绍特定机器学习问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
