PulseAugur
中
实时 09:18:55

面向非平稳赌博机的新的贝叶斯推断框架

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的贝叶斯推断框架，称为加权序贯贝叶斯（WSB）推断，用于非平稳线性上下文赌博机。该方法在奖励参数上建立了一系列后验分布，从而实现了一种更具原则性的随机探索策略。WSB框架已被实例化为三种新算法：WSB-LinUCB、WSB-RandLinUCB和WSB-LinTS，与现有的基于WRLS的方法相比，这些算法表现出具有竞争力或更优越的性能。 AI

影响 引入了一种新颖的贝叶斯方法来改进非平稳赌博机问题的探索策略，有可能带来更高效的学习算法。

排序理由 该集群包含一篇学术论文，详细介绍了一种用于机器学习问题的新型统计推断方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

面向非平稳赌博机的新的贝叶斯推断框架

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Nicklas Werge, Yi-Shan Wu, Abdullah Akg\"ul, Melih Kandemir ·

    加权序列贝叶斯推断用于非平稳线性上下文赌博机

    arXiv:2307.03587v4 Announce Type: replace-cross Abstract: In non-stationary linear contextual bandits, existing efficient algorithms typically rely on the Weighted Regularized Least-Squares (WRLS) estimator. Because WRLS only provides point estimates, previous methods typically c…

相关实体

相关话题