multi-armed bandit
PulseAugur coverage of multi-armed bandit — every cluster mentioning multi-armed bandit across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的联合汤普森采样算法增强了通信链路自适应
研究人员推出了一种用于通信系统链路自适应的新型算法——联合汤普森采样（Joint-TS）。该方法将问题建模为多臂老虎机问题，其中每个调制和编码方案（MCS）代表一个臂。与传统的汤普森采样不同，Joint-TS 利用 MCS 成功概率的有序性，采用多元有序 Beta 分布作为其先验，从而保持了固有的单调性。仿真结果表明，Joint-TS 在各种场景下均表现出稳健且一致的性能，在特定情况下优于现有算法。
-
新研究推进了控制、因果关系和多目标学习的赌博机算法
多篇研究论文探讨了赌博机算法在各个领域的进展。一项研究引入了一个机器学习框架，用于流体式躁动多臂赌博机问题的最优控制，在机器维护和疫情控制等应用中实现了显著的加速。另一篇论文挑战了因果赌博机中图学习的最优性，提出了新的算法，绕过图恢复以改进遗憾最小化。进一步的研究探讨了多目标赌博机的复杂性，表明帕累托遗憾的规模与单目标问题相似，并研究了在具有动态代理人口的开放多代理系统中的赌博机学习。其他工作解决了具有对抗性上下文的约束上下文赌博机、…
-
研究人员推进贝叶斯优化以实现高效决策和超参数调整
近期几篇arXiv论文探讨了多臂老虎机问题的进展，这是一个在不确定性下进行序贯决策的框架。研究内容包括处理“闪烁多臂老虎机”中变化的动作可用性，以及在不严格假设上下文多样性的情况下改进逻辑老虎机的遗憾界限。其他工作则侧重于几何感知离线到在线学习、图上平滑函数的谱老虎机，以及广义线性上下文老虎机的隐私保护算法。