研究人员开发了一种新的基于签名变换的上下文老虎机(contextual bandits)方法,上下文老虎机是机器学习中用于顺序决策的算法。这种新方法DisSigUCB通过在签名空间中将复杂的奖励函数近似为线性函数,有效地处理了非线性和路径依赖的奖励。该方法允许使用高效的线性老虎机方法,同时保留数据的顺序结构。研究人员还引入了一个随机变体zeta-DisSigUCB,以确保统计推断的持续探索,并展示了其在传感器监控和护士排班等各种实际应用中的有效性。 AI
影响 引入了一种处理顺序决策中复杂奖励结构的新方法,有可能提高具有路径依赖数据的应用程序的性能。
排序理由 这是一篇发表在arXiv上的研究论文,详细介绍了一种新算法及其理论特性。[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 →