研究人员为量子多臂老虎机（QMAB）和量子线性老虎机（QLB）建立了新的极小极大下界，改进了先前的工作。该研究证明了具有 $K$ 个臂、时间范围为 $T$ 的 QMAB 的下界为 $\Omega(K\log(T/K))$，以及 $d$ 维 QLB 的下界为 $\Omega(d\log(T/d))$。这些发现解决了关于实现与 $T$ 无关的遗憾以及降低 QLB 中的维度依赖性的问题。作为对这些理论结果的补充，提出了一种用于有限动作 QLB 的算法，该算法实现了遗憾的 $d$ 的线性依赖性，优于之前的 $d^2$ 复杂度。 AI
影响 为量子老虎机算法建立了理论极限，可能指导未来在量子机器学习优化领域的研究。
排序理由 该集群包含一篇详细介绍量子机器学习新理论结果和算法的学术论文。[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 →
