Fugu-MT 論文翻訳(概要): A characterization of sample adaptivity in UCB data

論文の概要: A characterization of sample adaptivity in UCB data

arxiv url: http://arxiv.org/abs/2503.04855v1
Date: Thu, 06 Mar 2025 06:37:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-10 12:23:25.038633
Title: A characterization of sample adaptivity in UCB data
Title（参考訳）: UCBデータにおける試料適応性の評価
Authors: Yilun Chen, Jiaqi Lu,
Abstract要約: UCBアルゴリズムによる2本腕のバンディット環境において、プル数とサンプル平均アームの報酬のジョイントCLTを特徴付ける。 1)大腕間隙系における標準形と小腕間隙系における緩やかな集中形との間に円滑に補間する擬似回帰型プル数の非標準CLT。
参考スコア（独自算出の注目度）: 9.231904293480069
License:
Abstract: We characterize a joint CLT of the number of pulls and the sample mean reward of the arms in a stochastic two-armed bandit environment under UCB algorithms. Several implications of this result are in place: (1) a nonstandard CLT of the number of pulls hence pseudo-regret that smoothly interpolates between a standard form in the large arm gap regime and a slow-concentration form in the small arm gap regime, and (2) a heuristic derivation of the sample bias up to its leading order from the correlation between the number of pulls and sample means. Our analysis framework is based on a novel perturbation analysis, which is of broader interest on its own.
Abstract（参考訳）: UCBアルゴリズムを用いた確率的二本腕バンディット環境において、プル数と腕の平均報酬のジョイントCLTを特徴付ける。その結果,(1)大腕間隙状態における標準形と小腕間隙状態における緩やかな集中状態の間に円滑に補間する擬似回帰関数の非標準CLT,(2) プル数と標本手段間の相関関係から,試料バイアスのヒューリスティックな導出を導出する。分析フレームワークは,新たな摂動解析を基盤としている。

関連論文リスト

Best Arm Identification with Minimal Regret [55.831935724659175]
最高の腕識別問題優雅にアマルガメートは、最小化とBAIを後悔している。エージェントの目標は、所定の信頼度で最高の腕を特定することである。二重KL-UCBアルゴリズムは、信頼度がゼロになる傾向があるため、最適性を達成する。
論文参考訳（メタデータ） (2024-09-27T16:46:02Z)
Unveiling the Statistical Foundations of Chain-of-Thought Prompting Methods [59.779795063072655]
CoT(Chain-of-Thought)の促進とその変種は、多段階推論問題を解決する効果的な方法として人気を集めている。統計的推定の観点からCoTのプロンプトを解析し,その複雑さを包括的に評価する。
論文参考訳（メタデータ） (2024-08-25T04:07:18Z)
Soft-constrained Schrodinger Bridge: a Stochastic Control Approach [4.922305511803267]
シュル「オーディンガー橋」は、最適に制御された拡散過程を見つけることを目標とする連続時間制御問題と見なすことができる。本稿では,両分布間のKulback-Leiblerの相違を罰し,端末分布を目標と異なるものにすることで,この問題を一般化することを提案する。 1つの応用は、堅牢な生成拡散モデルの開発である。
論文参考訳（メタデータ） (2024-03-04T04:10:24Z)
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)
Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文参考訳（メタデータ） (2023-06-27T08:15:28Z)
A New Central Limit Theorem for the Augmented IPW Estimator: Variance Inflation, Cross-Fit Covariance and Beyond [0.9172870611255595]
クロスフィッティングを用いたクロスフィッティング逆確率重み付け(AIPW)は、実際は一般的な選択肢である。本研究では, 高次元状態における結果回帰モデルと確率スコアモデルを用いて, クロスフィット型AIPW推定器について検討する。本研究は, メッセージパッシング理論, 決定論的等価性理論, 離脱一元的アプローチの3つの異なるツール間の新たな相互作用を利用する。
論文参考訳（メタデータ） (2022-05-20T14:17:53Z)
Transfer Learning In Differential Privacy's Hybrid-Model [10.584333748643774]
本研究では,キュレーターデータセット内のn個の個人を異なる分布から抽出するハイブリッドモデルにおいて,機械学習の問題点について検討する。この移行学習問題に対する一般的なスキーム -- Subsample-Test-Reweigh -- を与えます。
論文参考訳（メタデータ） (2022-01-28T09:54:54Z)
From Optimality to Robustness: Dirichlet Sampling Strategies in Stochastic Bandits [0.0]
本研究では、腕の観察を再サンプリングした経験的指標のペア比較に基づいて、ジェネリックディリクレサンプリング(DS)アルゴリズムについて検討する。この戦略の異なる変種は、分布が有界であるときに証明可能な最適後悔保証と、半有界分布に対して軽度量子状態の対数後悔を実現することを示す。
論文参考訳（メタデータ） (2021-11-18T14:34:21Z)
A Closer Look at the Worst-case Behavior of Multi-armed Bandit Algorithms [8.099977107670918]
アッパー信頼境界 (UCB) は楽観的なMABアルゴリズムである。本稿では,UCBのアームサンプリング動作に関する新しい知見を提供する。また、UPBの下でのMAB問題のプロセスレベルの特徴付けも提供する。
論文参考訳（メタデータ） (2021-06-03T20:52:26Z)
Minimax Optimal Estimation of KL Divergence for Continuous Distributions [56.29748742084386]
Kullback-Leibler の同一および独立に分布するサンプルからの発散は、様々な領域において重要な問題である。単純で効果的な推定器の1つは、これらのサンプル間の近辺 k に基づいている。
論文参考訳（メタデータ） (2020-02-26T16:37:37Z)
The Simulator: Understanding Adaptive Sampling in the Moderate-Confidence Regime [52.38455827779212]
エミュレータと呼ばれる適応サンプリングを解析するための新しい手法を提案する。適切なログファクタを組み込んだトップk問題の最初のインスタンスベースの下位境界を証明します。我々の新しい分析は、後者の問題に対するこの種の最初のエミュレータであるベストアームとトップkの識別に、シンプルでほぼ最適であることを示した。
論文参考訳（メタデータ） (2017-02-16T23:42:02Z)

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。