論文の概要: Forced-exploration free Strategies for Unimodal Bandits

• arxiv url: http://arxiv.org/abs/2006.16569v1
• Date: Tue, 30 Jun 2020 07:06:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 05:10:22.862790
• Title: Forced-exploration free Strategies for Unimodal Bandits
• Title（参考訳）: ユニモーダルバンディットの強制爆発自由戦略
• Authors: Hassan Saber (SEQUEL), Pierre M\'enard (SEQUEL), Odalric-Ambrym Maillard (SEQUEL)
• Abstract要約: 単調構造を利用した最初の強制探索自由戦略であるIMED-UBを紹介する。 次に, IMED-UBのKLUCBバージョンであるKLUCB-UBを導出する。 数値実験により、IMED-UBとKLUCB-UBはどちらも同様の性能を示し、最先端のアルゴリズムよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider a multi-armed bandit problem specified by a set of Gaussian or Bernoulli distributions endowed with a unimodal structure. Although this problem has been addressed in the literature (Combes and Proutiere, 2014), the state-of-the-art algorithms for such structure make appear a forced-exploration mechanism. We introduce IMED-UB, the first forced-exploration free strategy that exploits the unimodal-structure, by adapting to this setting the Indexed Minimum Empirical Divergence (IMED) strategy introduced by Honda and Takemura (2015). This strategy is proven optimal. We then derive KLUCB-UB, a KLUCB version of IMED-UB, which is also proven optimal. Owing to our proof technique, we are further able to provide a concise finite-time analysis of both strategies in an unified way. Numerical experiments show that both IMED-UB and KLUCB-UB perform similarly in practice and outperform the state-of-the-art algorithms.
• Abstract（参考訳）: 我々は、一様構造を持つガウス分布やベルヌーイ分布によって特定される多腕バンディット問題を考える。 この問題は文献(combes and proutiere, 2014)では解決されているが、そのような構造に対する最先端のアルゴリズムは強制爆発のメカニズムとなっている。 本稿では,本多と竹村(2015)が導入したIMED(Indexed Minimum Empirical Divergence)戦略に適応して,この不定形構造を利用した最初の強制探索自由戦略であるIMED-UBを紹介する。 この戦略は最適である。 次に, IMED-UBのKLUCBバージョンであるKLUCB-UBを導出する。 証明手法により,両戦略の簡潔な有限時間解析を統一的に行うことが可能となった。 数値実験により、IMED-UBとKLUCB-UBはどちらも同様の性能を示し、最先端のアルゴリズムよりも優れていた。

関連論文リスト

• Generalized Naive Bayes [0.0]
  我々は、ネイブベイズ構造の拡張として、いわゆる一般化ネイブベイズ構造を導入する。 古典的ネーブベイズ(NB)によって決定される確率分布と同様に、この値が少なくともデータに適合することを証明する。
  論文  参考訳（メタデータ） (2024-08-28T16:36:18Z)
• Indexed Minimum Empirical Divergence-Based Algorithms for Linear Bandits [55.938644481736446]
  Indexed Minimum Empirical Divergence (IMED)は、マルチアームバンディット問題に対する非常に効果的なアプローチである。 UCBベースのアルゴリズムとトンプソンサンプリングを実証的に上回ることが観察されている。 我々は、LinIMEDアルゴリズムのファミリーと呼ぶIMEDアルゴリズムの新しい線形バージョンを提案する。
  論文  参考訳（メタデータ） (2024-05-24T04:11:58Z)
• Best Arm Identification with Fixed Budget: A Large Deviation Perspective [54.305323903582845]
  我々は、様々な武器の報酬間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。 特に、様々な武器の報酬の間の経験的ギャップに基づいて、あらゆるラウンドで腕を拒絶できる真に適応的なアルゴリズムであるsredを提示する。
  論文  参考訳（メタデータ） (2023-12-19T13:17:43Z)
• Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
  我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
  論文  参考訳（メタデータ） (2023-12-13T11:08:25Z)
• Online Learning with Adversaries: A Differential-Inclusion Analysis [52.43460995467893]
  我々は,完全に非同期なオンラインフェデレート学習のための観察行列ベースのフレームワークを提案する。 我々の主な結果は、提案アルゴリズムがほぼ確実に所望の平均$mu.$に収束することである。 新たな差分包摂型2時間スケール解析を用いて,この収束を導出する。
  論文  参考訳（メタデータ） (2023-04-04T04:32:29Z)
• Indexed Minimum Empirical Divergence for Unimodal Bandits [0.0]
  単調構造を最適に活用するアルゴリズムであるIMED-UBを導入する。 IMED-UBは最先端のアルゴリズムと競合することを示す。
  論文  参考訳（メタデータ） (2021-12-02T17:48:37Z)
• Misspecified Gaussian Process Bandit Optimization [59.30399661155574]
  カーネル化されたバンディットアルゴリズムは、この問題に対して強い経験的および理論的性能を示した。 本稿では、未知関数を$epsilon$-一様近似で近似できるエンフェミス特定カーネル化帯域設定を、ある再生カーネルヒルベルト空間(RKHS)において有界ノルムを持つ関数で導入する。 提案アルゴリズムは,不特定性に関する事前知識を伴わず,$epsilon$への最適依存を実現する。
  論文  参考訳（メタデータ） (2021-11-09T09:00:02Z)
• Improved Branch and Bound for Neural Network Verification via Lagrangian Decomposition [161.09660864941603]
  ニューラルネットワークの入出力特性を公式に証明するためのブランチとバウンド(BaB)アルゴリズムのスケーラビリティを改善します。 活性化に基づく新しい分岐戦略とBaBフレームワークであるブランチとデュアルネットワーク境界(BaDNB)を提案する。 BaDNBは、従来の完全検証システムを大きなマージンで上回り、対数特性で平均検証時間を最大50倍に削減した。
  論文  参考訳（メタデータ） (2021-04-14T09:22:42Z)
• Sharp Analysis of Smoothed Bellman Error Embedding [17.296084954104415]
  バッチモード強化学習におけるSBEEDの理論的挙動について検討する。 使用済み関数クラスの表現力に依存するほぼ最適性能を保証する。
  論文  参考訳（メタデータ） (2020-07-07T19:27:09Z)
• The Unreasonable Effectiveness of Greedy Algorithms in Multi-Armed Bandit with Many Arms [10.662105162882526]
  本研究は,Emphmany-armed regimeにおける$k$-armed bandit問題について考察する。 以上の結果から,多腕の環境下での強欲なアルゴリズムには,新たなエフェフリー探索法が有用であることが示唆された。
  論文  参考訳（メタデータ） (2020-02-24T08:59:34Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。