論文の概要: Dynamic Regret for Non-Stationary Linear Bandits via Misspecification Reductions

• arxiv url: http://arxiv.org/abs/2607.02891v1
• Date: Fri, 03 Jul 2026 02:38:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.446175
• Title: Dynamic Regret for Non-Stationary Linear Bandits via Misspecification Reductions
• Title（参考訳）: 非定常線形帯域の非特異化による動的レグレット
• Authors: Zihao Hu, Yuan Yao, Jiheng Zhang, Zhengyuan Zhou,
• Abstract要約: オンライン意思決定問題には、ラウンド特化可能なアクションとドリフト報酬モデルの両方が含まれる。 実測可能な決定セットを持つ非定常線形包帯について検討する。
• 参考スコア（独自算出の注目度）: 28.021459088586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many online decision-making problems involve both round-specific feasible actions and drifting reward models: eligible ad impressions, feasible prices, and available treatments can change over time, while user preferences, demand curves, and patient responses may evolve. Motivated by these applications, we study non-stationary linear bandits with round-specific feasible decision sets. Existing methods that obtain the optimal \(\widetilde O(T^{2/3}P_T^{1/3})\) dependence, where \(P_T\) is the path length of the reward-parameter sequence, impose an orthogonal-structure assumption on round-specific decision sets, which can be restrictive in contextual applications. We address this gap through a unified misspecification-reduction viewpoint: after partitioning the horizon into blocks, we relate each block's dynamic regret to regret against a fixed-parameter linear bandit benchmark, with the within-block parameter drift entering as bounded misspecification. Restarting algorithms with misspecification-dependent regret guarantees then yields the optimal \(T^{2/3}P_T^{1/3}\) dynamic-regret dependence for both linear bandits with general compact decision sets and \(K\)-armed contextual linear bandits.
• Abstract（参考訳）: 多くのオンライン意思決定問題は、ラウンド特化可能なアクションとドリフト報酬モデルの両方を含む: 許容可能な広告インプレッション、実現可能な価格、利用可能な治療は、時間とともに変化し、ユーザの好み、需要曲線、患者の反応が進化する可能性がある。 これらの応用に触発され、円周的決定セットを持つ非定常線形包帯について検討する。 最適の \(\widetilde O(T^{2/3}P_T^{1/3})\) 依存を得る既存の方法では、 \(P_T\) は報酬パラメータ列の経路長であり、ラウンド固有の決定集合に直交構造的仮定を課し、文脈的に制限される。 ブロック分割後、各ブロックの動的後悔を、固定パラメータ線形バンドイットベンチマークと比較し、ブロック内パラメータのドリフトを有界不特定として入力する。 不特定性に依存した後悔の保証を持つアルゴリズムを再起動すると、一般的なコンパクトな決定セットを持つ線形包帯と、(K\) 武装されたコンテキスト線形包帯の双方に対して最適 \(T^{2/3}P_T^{1/3}\) の動的回帰依存が得られる。

関連論文リスト

• Selective Ensemble Based on Preference-Directed Multi-Objective Bandits [90.75513823660775]
  我々は、部分的に指定された線形選好の下で逐次決定問題を定式化する。 次に、嗜好指向の高信頼度境界(PrefUCB)アルゴリズムを提案する。 大規模な事前学習型モデル選択アンサンブルタスクと,機関委任下でのオンラインアセットアロケーションの実験により,本手法が検証された。
  論文  参考訳（メタデータ） (2026-06-20T07:52:46Z)
• Order-Sensitive Sequential Interventions on Ideal Lattices [0.0]
  前提条件下での逐次介入について検討する。 この設定では、許容される介入列は有限の前提条件列の理想格子の経路である。 我々は、この状態空間における順序感度の正確な局所的-局所的理論を与える。
  論文  参考訳（メタデータ） (2026-04-29T09:29:10Z)
• Explore-then-Commit for Nonstationary Linear Bandits with Latent Dynamics [21.224078346005655]
  報酬が行動と潜伏状態の両方に依存する非定常バンドイット問題について検討する。 有限地平線$T$に対する探索列コミットアルゴリズムを提案する。 提案アルゴリズムは, $tildemathcalO(T2/3)$ regret を実現する。
  論文  参考訳（メタデータ） (2025-10-17T20:41:14Z)
• Constrained Linear Thompson Sampling [39.724313550777715]
  Constrained Linear Thompson Sampling (COLTS)は、摂動線形プログラムを解くことでアクションを選択するサンプリングベースのフレームワークである。 S-COLTSはゼロリスクと$widetildeO(sqrtd3 T)を許容するが、R-COLTSは$widetildeO(sqrtd3 T)を許容する。
  論文  参考訳（メタデータ） (2025-03-03T20:44:58Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• Online Constraint Tightening in Stochastic Model Predictive Control: A Regression Approach [49.056933332667114]
  確率制約付き最適制御問題に対する解析解は存在しない。 制御中の制約強調パラメータをオンラインで学習するためのデータ駆動型アプローチを提案する。 提案手法は, 確率制約を厳密に満たす制約強調パラメータを導出する。
  論文  参考訳（メタデータ） (2023-10-04T16:22:02Z)
• Online Continuous Hyperparameter Optimization for Generalized Linear Contextual Bandits [55.03293214439741]
  文脈的包帯では、エージェントは過去の経験に基づいた時間依存アクションセットから順次アクションを行う。 そこで本稿では,文脈的包帯のためのオンライン連続型ハイパーパラメータチューニングフレームワークを提案する。 理論上はサブ線形の後悔を達成でき、合成データと実データの両方において既存のすべての手法よりも一貫して優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2023-02-18T23:31:20Z)
• A Unifying Framework for Online Optimization with Long-Term Constraints [62.35194099438855]
  我々は,意思決定者が長期的制約の対象となる一連の意思決定をしなければならないオンライン学習問題について検討する。 目標は、全報酬を最大化し、同時に、$T$ラウンド全体で小さな累積違反を達成することである。 本稿では,この一般クラス問題に対して,未知のモデルに基づいて報酬と制約が選択された場合と,各ラウンドで敵が選択した場合の双方において,最良世界型アルゴリズムを提示する。
  論文  参考訳（メタデータ） (2022-09-15T16:59:19Z)
• Optimal Online Generalized Linear Regression with Stochastic Noise and Its Application to Heteroscedastic Bandits [88.6139446295537]
  一般化線形モデルの設定におけるオンライン一般化線形回帰の問題について検討する。 ラベルノイズに対処するため、古典的追従正規化リーダ(FTRL)アルゴリズムを鋭く解析する。 本稿では,FTRLに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-28T08:25:26Z)

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。