Fugu-MT 論文翻訳(概要): Non-Stationary Bandits with Knapsack Problems with Advice

論文の概要: Non-Stationary Bandits with Knapsack Problems with Advice

arxiv url: http://arxiv.org/abs/2302.04182v1
Date: Wed, 8 Feb 2023 16:40:43 GMT
ステータス: 処理完了
システム内更新日: 2023-02-09 15:24:43.155138
Title: Non-Stationary Bandits with Knapsack Problems with Advice
Title（参考訳）: Knapsack問題のある非定常バンドとアドバイス
Authors: Lixing Lyu and Wang Chi Cheung
Abstract要約: 総需要額$Q$のオンライン予測によって、パフォーマンス保証を改善する方法について検討する。予測なしでは、オンラインアルゴリズムがリニア・イン・T$を後悔することを示している。提案手法は, 予測の正確性に依存した残差を, 偏見的に組み込んだオンラインアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 12.081877372552606
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider a non-stationary Bandits with Knapsack problem. The outcome distribution at each time is scaled by a non-stationary quantity that signifies changing demand volumes. Instead of studying settings with limited non-stationarity, we investigate how online predictions on the total demand volume $Q$ allows us to improve our performance guarantees. We show that, without any prediction, any online algorithm incurs a linear-in-$T$ regret. In contrast, with online predictions on $Q$, we propose an online algorithm that judiciously incorporates the predictions, and achieve regret bounds that depends on the accuracy of the predictions. These bounds are shown to be tight in settings when prediction accuracy improves across time. Our theoretical results are corroborated by our numerical findings.
Abstract（参考訳）: Knapsack問題を持つ非定常帯域を考える。各時点の成果分布は、変化する需要量を示す非定常量によってスケールされる。限られた非定常性で設定を勉強する代わりに、総需要量$q$のオンライン予測がどのようにパフォーマンス保証を改善するかを調査します。予測がなければ、オンラインアルゴリズムがリニアイン・$t$の後悔を負うことが分かる。対照的に,$q$のオンライン予測とは対照的に,予測を巧みに取り入れ,予測の正確性に依存する後悔の限界を達成するオンラインアルゴリズムを提案する。これらの境界は、予測精度が時間にわたって改善されたときに設定が厳密であることが示される。我々の理論的結果は数値的な結果と一致している。

関連論文リスト

PageRank Bandits for Link Prediction [72.61386754332776]
リンク予測は、リコメンダシステムやナレッジグラフ補完といった幅広いアプリケーションを用いたグラフ学習において重要な問題である。本稿では,リンク予測を逐次的意思決定プロセスとして再構成し,各リンク予測インタラクションを逐次的に行う。本稿では,PageRankとコンテキスト的帯域を結合した新しい融合アルゴリズム PRB (PageRank Bandits) を提案する。
論文参考訳（メタデータ） (2024-11-03T02:39:28Z)
Online Distributional Regression [0.0]
大規模ストリーミングデータは、現代の機械学習アプリケーションで一般的である。サプライチェーン管理、気象学、気象学など多くの分野が確率論的予測を用いている。本稿では,正規化線形分布モデルのオンライン推定手法を提案する。
論文参考訳（メタデータ） (2024-06-26T16:04:49Z)
Bayesian Design Principles for Offline-to-Online Reinforcement Learning [50.97583504192167]
オフラインからオンラインへの微調整は、探索にコストがかかる、あるいは安全でない、現実世界のアプリケーションにとって極めて重要です。本稿では,オフラインからオフラインまでの微調整のジレンマに対処する:エージェントが悲観的のままであれば,より良いポリシーを習得できないかもしれないが,楽観的になった場合,性能が突然低下する可能性がある。このようなジレンマを解決するにはベイズ設計の原則が不可欠であることを示す。
論文参考訳（メタデータ） (2024-05-31T16:31:07Z)
Online Optimization for Network Resource Allocation and Comparison with Reinforcement Learning Techniques [0.6466206145151128]
本稿では、ジョブ転送におけるオンラインネットワークリソース割り当て問題に取り組む。本稿では指数重み付け手法に基づくランダム化オンラインアルゴリズムを提案する。提案アルゴリズムは,その経験からアルゴリズムが適応し,学習していることを示す。
論文参考訳（メタデータ） (2023-11-16T17:08:27Z)
Efficient Methods for Non-stationary Online Learning [67.3300478545554]
本稿では, 動的後悔と適応的後悔を最適化する効率的な手法を提案し, ラウンド当たりの投影回数を$mathcalO(log T)$から$ $1$まで削減した。本手法は,パラメータフリーオンライン学習において開発された還元機構を基礎として,非定常オンライン手法に非自明なツイストを必要とする。
論文参考訳（メタデータ） (2023-09-16T07:30:12Z)
Online Network Source Optimization with Graph-Kernel MAB [62.6067511147939]
大規模ネットワークにおける最適なソース配置をオンラインで学習するためのグラフカーネルマルチアームバンディットアルゴリズムであるGrab-UCBを提案する。適応グラフ辞書モデルを用いて,ネットワークプロセスを記述する。我々は、ネットワークパラメータに依存する性能保証を導出し、シーケンシャルな意思決定戦略の学習曲線にさらに影響を及ぼす。
論文参考訳（メタデータ） (2023-07-07T15:03:42Z)
Online Caching with no Regret: Optimistic Learning via Recommendations [15.877673959068458]
ファイル要求の予測を含むFTRL(Follow-the-Regularized-Leader)フレームワークを構築した。フレームワークを拡張して、多くが利用可能な場合に最適な要求予測器を学習し、利用します。提案した楽観的な学習キャッシュポリシが,完全予測のためのサブゼロ性能損失(regret)を達成できることを実証する。
論文参考訳（メタデータ） (2022-04-20T09:29:47Z)
Single-Leg Revenue Management with Advice [27.21119630468227]
我々は、アルゴリズムとアドバイスのフレームワークのレンズを通して、シングルレグの収益管理の問題に目を向ける。すべてのアドバイスに対する一貫性(アドバイスが正確であればパフォーマンス)と競争性(アドバイスが不正確であればパフォーマンス)のトレードオフを特徴付ける。また、シングルレッグ収益管理において最も広く展開されている技術である保護レベル政策のクラスについても検討する。
論文参考訳（メタデータ） (2022-02-18T00:32:11Z)
An Online Learning Approach to Optimizing Time-Varying Costs of AoI [26.661352924641285]
通信ネットワーク上でのソースのタイムリーな監視を必要とするシステムについて検討する。単一のソース監視問題に対して、後見の最良の固定ポリシーと比較して、サブ線形後悔を実現するアルゴリズムを設計する。複数ソーススケジューリング問題に対して、Follow-the-Perturbed-Whittle-Leaderと呼ばれる新しいオンライン学習アルゴリズムを設計する。
論文参考訳（メタデータ） (2021-05-27T18:10:56Z)
Better than the Best: Gradient-based Improper Reinforcement Learning for Network Scheduling [60.48359567964899]
パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
論文参考訳（メタデータ） (2021-05-01T10:18:34Z)
Optimal Robustness-Consistency Trade-offs for Learning-Augmented Online Algorithms [85.97516436641533]
機械学習予測を取り入れたオンラインアルゴリズムの性能向上の課題について検討する。目標は、一貫性と堅牢性の両方を備えたアルゴリズムを設計することだ。機械学習予測を用いた競合解析のための非自明な下界の最初のセットを提供する。
論文参考訳（メタデータ） (2020-10-22T04:51:01Z)

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。