PulseAugur
中
实时 10:57:35
English(EN) Efficient Online Lexicographic Generalized Low-Rank Matrix Bandits

新算法Lexi-LowGLM解决了多目标矩阵老虎机问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的算法Lexi-LowGLM，旨在解决具有多个优先目标的多目标广义低秩矩阵老虎机问题。该方法能有效地估计特定于目标的低秩子空间，并采用词典式学习，优先处理更高级别的目标。与需要大量历史数据进行更新的先前算法不同，Lexi-LowGLM利用在线牛顿步来更快、更有效地更新估计器。所提出的算法实现的遗憾界取决于有效的低秩维度而不是环境维度，并通过数值实验验证了其计算效率。 AI

影响 为老虎机问题中的多目标决策引入了一种计算效率更高的方法。

排序理由 该集群包含一篇在arXiv上发表的关于新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新算法Lexi-LowGLM解决了多目标矩阵老虎机问题

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Bo Xue, Ji Cheng, Haodong Jing, Hongzong Li, Shuang Qiu ·

    高效在线词典式广义低秩矩阵老虎机

    arXiv:2608.04324v1 Announce Type: cross Abstract: This paper studies generalized low-rank matrix bandits with multiple prioritized objectives. At each round, the learner selects a matrix-valued arm and observes a vector-valued reward, whose components correspond to multiple objec…

相关实体

相关话题