Fugu-MT 論文翻訳(概要): Variance-sensitive Thompson sampling for generalised linear bandits, revisited

論文の概要: Variance-sensitive Thompson sampling for generalised linear bandits, revisited

arxiv url: http://arxiv.org/abs/2606.00431v1
Date: Fri, 29 May 2026 23:41:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.40362
Title: Variance-sensitive Thompson sampling for generalised linear bandits, revisited
Title（参考訳）: 一般化線形帯域に対する可変感度トンプソンサンプリングの再検討
Abstract要約: 一般化線形帯域におけるトンプソンサンプリングに対する分散感応的後悔境界を証明した。我々は、同じばらつきに敏感なスケーリングを維持しながらウォームアップを排除し、非自明に見えます。
参考スコア（独自算出の注目度）: 4.044262045578478
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We prove a variance-sensitive regret bound for Thompson sampling in stochastic generalised linear bandits. The argument assumes a warm-up, after which the regret is controlled through using the Gaussian Poincaré inequality. This bypasses the point at which previous optimism-based analyses break down. Removing the warm-up while retaining the same variance-sensitive scaling remains open, and appears nontrivial.
Abstract（参考訳）: 確率的一般化線形包帯におけるトンプソンサンプリングに対する分散感性後悔境界を証明した。この議論は、後に後悔がガウスのポアンカレの不平等によって制御される温暖化を前提としている。これは、以前の楽観主義に基づく分析が崩壊する点をバイパスする。同じばらつきに敏感なスケーリングを維持しながらウォームアップを取り除くことは、依然としてオープンであり、簡単ではないように見える。

関連論文リスト

Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits [54.220839560203096]
FGTSVA, 変分対応型トンプソンサンプリングアルゴリズムを提案する。新しいデカップリング係数を$mathrmdc$で表すと、FGTS-VAは$tildeO(sqrtmathrmdccdotlog|mathcalF|$)を後悔する。文脈線形帯域の設定において、FGTSVAの後悔境界は UCB ベースと一致する
論文参考訳（メタデータ） (2025-11-03T23:25:41Z)
Bayesian Algorithms for Adversarial Online Learning: from Finite to Infinite Action Spaces [51.513172647831745]
オンライン学習のためのフォーム・トンプソン・サンプリングをフルフィードバックで開発する。我々は、後悔の分解を、学習者が先入観を期待したことを後悔させ、また、過度な後悔と呼ぶ先延ばし的な用語を示します。
論文参考訳（メタデータ） (2025-02-20T18:10:12Z)
Thompson Sampling for Infinite-Horizon Discounted Decision Processes [0.0]
我々はトンプソンサンプリングと呼ばれるサンプリングベースアルゴリズムの挙動を研究する。標準の(予想された)後悔を分解することで、期待された後悔という新しい尺度を開発します。
論文参考訳（メタデータ） (2024-05-14T01:01:05Z)
Thompson Sampling for Linear Bandit Problems with Normal-Gamma Priors [0.0]
我々は、有限個の独立腕を持つ線形バンドイット問題に対するトンプソンサンプリングを考える。選択されたサンプリング先行は、報奨モデルの前に共役であり、分散分布の5/2モーメントが存在するという条件の下で、トンプソンサンプリングに対するベイズ的後悔を導出することを示す。
論文参考訳（メタデータ） (2023-03-06T18:35:16Z)
Langevin Monte Carlo for Contextual Bandits [72.00524614312002]
Langevin Monte Carlo Thompson Sampling (LMC-TS) が提案されている。提案アルゴリズムは,文脈的帯域幅の特別な場合において,最高のトンプソンサンプリングアルゴリズムと同じサブ線形残差を達成できることを示す。
論文参考訳（メタデータ） (2022-06-22T17:58:23Z)
Finite-Time Regret of Thompson Sampling Algorithms for Exponential Family Multi-Armed Bandits [88.21288104408556]
本研究では,指数関数族バンドイットに対するトンプソンサンプリング (TS) アルゴリズムの遺残について検討する。最適な腕の過小評価を避けるために,新しいサンプリング分布を用いたトンプソンサンプリング(Expulli)を提案する。
論文参考訳（メタデータ） (2022-06-07T18:08:21Z)
Feel-Good Thompson Sampling for Contextual Bandits and Reinforcement Learning [17.860102738896096]
我々はトンプソンサンプリングの理論解析を行い、頻繁な後悔境界に焦点をあてる。我々は、トンプソンサンプリングが新しい行動の探索に十分な積極的ではないことを示し、悲観的な状況下では準最適性をもたらすことを示した。理論的枠組みは、標準的なトンプソンサンプリングに対するベイズ的後悔境界と、Feel-Good Thompson Samplingに対する頻繁な後悔境界を導出するのに利用できることを示す。
論文参考訳（メタデータ） (2021-10-02T20:10:40Z)
A Unifying Theory of Thompson Sampling for Continuous Risk-Averse Bandits [91.3755431537592]
本稿では,多腕バンディット問題に対するリスク-逆トンプソンサンプリングアルゴリズムの解析を統一する。大規模偏差理論における収縮原理を用いることで、連続リスク汎関数に対する新しい濃度境界が証明される。リスク関数の幅広いクラスと「ニセ」関数が連続性条件を満たすことを示す。
論文参考訳（メタデータ） (2021-08-25T17:09:01Z)
The Randomized Elliptical Potential Lemma with an Application to Linear Thompson Sampling [10.939683083130616]
逐次学習におけるアルゴリズム解析や線形バンドイットなどの意思決定問題において広く用いられている、よく知られた楕円ポテンシャル補題のランダム化版を提案する。我々のランダム化された楕円ポテンシャル補題は、観測ノイズと問題パラメータの事前分布に関するガウスの仮定を緩和する。
論文参考訳（メタデータ） (2021-02-16T07:30:04Z)
Online nonparametric regression with Sobolev kernels [99.12817345416846]
我々は、ソボレフ空間のクラス上の後悔の上限を$W_pbeta(mathcalX)$, $pgeq 2, beta>fracdp$ とする。上界は minimax regret analysis で支えられ、$beta> fracd2$ または $p=infty$ の場合、これらの値は(本質的に)最適である。
論文参考訳（メタデータ） (2021-02-06T15:05:14Z)
Analysis and Design of Thompson Sampling for Stochastic Partial Monitoring [91.22679787578438]
部分モニタリングのためのトンプソンサンプリングに基づく新しいアルゴリズムを提案する。局所可観測性を持つ問題の線形化変種に対して,新たなアルゴリズムが対数問題依存の擬似回帰$mathrmO(log T)$を達成することを証明した。
論文参考訳（メタデータ） (2020-06-17T05:48:33Z)

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。