Fugu-MT 論文翻訳(概要): Survey Bandits with Regret Guarantees

論文の概要: Survey Bandits with Regret Guarantees

arxiv url: http://arxiv.org/abs/2002.09814v1
Date: Sun, 23 Feb 2020 03:24:03 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 09:27:49.449671
Title: Survey Bandits with Regret Guarantees
Title（参考訳）: 遺族保証による盗賊調査
Authors: Sanath Kumar Krishnamurthy, Susan Athey
Abstract要約: 文脈的包帯問題の変種を考察する。標準的なコンテキストブレイトでは、ユーザが到着すると、ユーザの完全な特徴ベクトルを取得し、そのユーザに治療(アーム)を割り当てます。我々は,強い後悔の保証を維持しつつ,不要な特徴収集を回避するアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 15.247024659017542
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider a variant of the contextual bandit problem. In standard contextual bandits, when a user arrives we get the user's complete feature vector and then assign a treatment (arm) to that user. In a number of applications (like healthcare), collecting features from users can be costly. To address this issue, we propose algorithms that avoid needless feature collection while maintaining strong regret guarantees.
Abstract（参考訳）: 我々は文脈的盗賊問題の変種を考える。標準的なコンテキストブレイトでは、ユーザが到着すると、ユーザの完全な特徴ベクトルを取得し、そのユーザに治療(アーム)を割り当てます。多くのアプリケーション(ヘルスケアなど)では、ユーザーから機能を集めるのはコストがかかる。この問題に対処するため,強い後悔の保証を維持しつつ,不要な機能収集を回避するアルゴリズムを提案する。

関連論文リスト

Neural Dueling Bandits [58.90189511247936]
ニューラルネットワークを用いて、予め選択した腕の好みフィードバックを用いて報酬関数を推定する。次に、理論結果を二項フィードバックによる文脈的帯域幅問題に拡張し、それはそれ自体は自明な寄与ではない。
論文参考訳（メタデータ） (2024-07-24T09:23:22Z)
Leveraging User-Triggered Supervision in Contextual Bandits [34.58466163463977]
本研究では,コンテキスト的帯域幅(CB)問題について検討する。我々は,そのバイアスの性質に頑健でありながら,そのような信号を利用する新しい枠組みを開発する。
論文参考訳（メタデータ） (2023-02-07T22:42:27Z)
Contexts can be Cheap: Solving Stochastic Contextual Bandits with Linear Bandit Algorithms [39.70492757288025]
我々は,意思決定者がコンテキストを提供するコンテキスト線形帯域問題に対処する。文脈問題を線形バンディット問題として解くことができることを示す。この結果から,文脈的線形包帯に対して$O(dsqrtTlog T)$高確率残差が生じることが示唆された。
論文参考訳（メタデータ） (2022-11-08T22:18:53Z)
Contextual Bandits with Smooth Regret: Efficient Learning in Continuous Action Spaces [14.366265951396587]
我々は、大規模または連続的なアクション空間に対する効率的な汎用的コンテキスト帯域幅アルゴリズムを設計する。本稿では,従来提案されていた代替案に支配的な文脈的包帯に対して,スムーズな後悔の念を抱く概念を提案する。我々のアルゴリズムは、標準的な後悔の下で以前のminimax/Paretoの最適保証を回復するために使用することができる。
論文参考訳（メタデータ） (2022-07-12T21:27:09Z)
Incentivizing Combinatorial Bandit Exploration [87.08827496301839]
自己関心のあるユーザに対してレコメンデーションシステムでアクションを推奨するバンディットアルゴリズムを考える。ユーザーは他のアクションを自由に選択でき、アルゴリズムの推奨に従うためにインセンティブを得る必要がある。ユーザは悪用を好むが、アルゴリズムは、前のユーザから収集した情報を活用することで、探索にインセンティブを与えることができる。
論文参考訳（メタデータ） (2022-06-01T13:46:25Z)
Dare not to Ask: Problem-Dependent Guarantees for Budgeted Bandits [66.02233330016435]
後悔と質問されたフィードバックの両方について、問題に依存した保証を提供します。本稿では,問題依存的後悔と累積的フィードバック境界を導出するBuFALUというアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-10-12T03:24:57Z)
Confidence-Budget Matching for Sequential Budgeted Learning [69.77435313099366]
問合せ予算で意思決定問題を定式化する。我々は,多腕バンディット,線形バンディット,強化学習問題を考察する。我々は,CBMに基づくアルゴリズムが逆性の存在下で良好に動作することを示す。
論文参考訳（メタデータ） (2021-02-05T19:56:31Z)
Contextual Blocking Bandits [35.235375147227124]
我々は,多腕バンディット問題の新たな変種について検討し,各ステップごとに,腕の平均報酬を決定する独立したサンプルコンテキストをプレイヤーが観察する。アームを再生することで(すべてのコンテキストにわたって)将来の時間ステップの固定および既知の回数をブロックする。我々は、$mathcalO(log T)$-regret w.r.t.$alpha$regret戦略を$Tタイムステップで保証し、$Omega(log(T)$low boundと一致する UCB ベースのフル情報アルゴリズムの変種を提案する。
論文参考訳（メタデータ） (2020-03-06T20:34:42Z)
Robustness Guarantees for Mode Estimation with an Application to Bandits [131.21717367564963]
平均ではなく報酬分布のモードを値とするマルチアームバンディットの理論を導入する。我々は,我々のアルゴリズムが逆雑音列による腕の摂動に頑健であることを示すシミュレーションで示す。
論文参考訳（メタデータ） (2020-03-05T21:29:27Z)
Tight Lower Bounds for Combinatorial Multi-Armed Bandits [72.56064196252498]
Combinatorial Multi-Armed Bandit 問題は、エージェントが各ラウンドで一組の腕を選択する、シーケンシャルな意思決定問題である。最近提案されたGini重み付き滑らか度パラメータが単調報酬関数の下限を決定することを示す。
論文参考訳（メタデータ） (2020-02-13T08:53:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。