Upper Confidence Bound 1
PulseAugur coverage of Upper Confidence Bound 1 — every cluster mentioning Upper Confidence Bound 1 across labs, papers, and developer communities, ranked by signal.
-
新研究表征了后强盗推断算法中的偏差
一篇新发表在arXiv上的论文分析了当强盗算法用于为下游推断生成数据时引入的偏差。该研究侧重于稳定的指数算法，包括上限置信度1（UCB1）及其变体，并提供了样本均值偏差和期望Z统计量的详细表达式。研究揭示了算法遗憾与偏差之间的权衡，表明更具探索性的算法会以增加遗憾为代价来减少偏差。
-
AI研究使用多臂老虎机剪枝神经网络
研究人员开发了一种新颖的方法来剪枝卷积神经网络（CNN）中的特征图，以降低计算成本和存储需求。该方法利用多臂老虎机算法，特别是UCB1和Thompson Sampling，在最小化准确性损失的同时识别和移除冗余特征图。研究表明，这些基于老虎机的算法在MNIST、CIFAR-10和SVHN等各种数据集上，其准确性与未剪枝模型相当，并且显著优于传统的贪婪和基于幅度的剪枝技术。
-
多臂老虎机优化深度神经网络的结构化剪枝
研究人员开发了一种新颖的深度神经网络结构化剪枝框架，该框架利用多臂老虎机（MAB）算法来移除整个神经元。该方法将每个神经元视为老虎机问题中的一个“臂”，暂时屏蔽它以衡量对损失函数的影响，然后更新其移除奖励估计。在图像、文本和推理任务上的评估表明，基于MAB的剪枝，特别是使用UCB1和Thompson Sampling策略，可以有效地减小模型尺寸，并且通常优于未剪枝模型和其他剪枝技术。
-
新的UCB策略增强了用于边缘计算的自适应深度神经网络
研究人员为边缘计算环境中的自适应深度神经网络（ADNNs）引入了四种新的上限置信界（UCB）策略。这些策略，包括UCB-Bayes、UCB-Tuned和UCB-V，旨在动态平衡精度与能耗和延迟。使用CIFAR数据集在ResNet和MobileViT模型上进行的实验表明，UCB-Bayes收敛速度最快，而UCB-V和UCB-Tuned在精度、延迟和能耗之间提供了最佳的权衡。