論文の概要: Periodic Bootstrap Thompson Sampling For Periodically Non-Stationary Bandit Problems

• arxiv url: http://arxiv.org/abs/2607.16986v1
• Date: Sat, 18 Jul 2026 22:29:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.31554
• Title: Periodic Bootstrap Thompson Sampling For Periodically Non-Stationary Bandit Problems
• Title（参考訳）: 周期的非定常帯域問題に対する周期的ブートストラップトンプソンサンプリング
• Abstract要約: 本稿では,周期的ブートストラップトンプソンサンプリング(PBTS)を紹介する。 これは、周期的非定常性を持つバンドイット問題に適した古典的なトンプソンサンプリング(TS)アルゴリズムの革新的な拡張である。 PBTSは、信念リセットを既知のまたは推論された期間間隔と同期させ、構造化されたブートストラップ探索フェーズを埋め込むことでこれを克服する。
• 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: This paper introduces Periodic Bootstrap Thompson Sampling (PBTS), an innovative extension of the classic Thompson Sampling (TS) algorithm tailored for bandit problems with periodic non-stationarity. Conventional TS accumulates all past observations, leading to biased posteriors when reward distributions cycle over time. PBTS overcomes this by synchronizing belief resets with known or inferred period intervals and embedding structured bootstrap exploration phases, effectively purging obsolete data while preserving uncertainty estimates. PBTS is tested in artificially constructed environments, which include skewed and balanced reward distributions, along with different bootstrap proportions and misaligned periodic intervals. Results indicate that PBTS generally achieves statistically significant reductions in cumulative regret against traditional TS in periodic non-stationary environments. Subsequent discussion further articulates the potential of PBTS's real-world deployment. The study mentions limitations like extreme periodic misalignment and proposes future research such as self-adjusting cycle-recognition. With memory reset and bootstrap phase, PBTS introduces a novel approach to optimizing bandit algorithms in periodic reward contexts.
• Abstract（参考訳）: 本稿では,周期的非定常性を伴う帯域問題に適した古典的トンプソンサンプリング(TS)アルゴリズムの革新的拡張であるPBTSを提案する。 従来のTSは過去の観測をすべて蓄積し、報酬分布が時間とともに周期的に偏りが生じる。 PBTSは、信念リセットを既知のまたは推論された期間間隔と同期させ、構造化されたブートストラップ探索フェーズを埋め込むことによってこれを克服し、不確実性の推定を保ちながら、事実上古いデータを浄化する。 PBTSは、スキューとバランスの取れた報酬分布を含む人工的に構築された環境で、異なるブートストラップ比率と不整合周期間隔で試験される。 その結果,PBTSは周期的非定常環境下での従来のTSに対する累積的後悔を統計的に顕著に減少させることがわかった。 その後の議論はPBTSの現実世界への展開の可能性をさらに明確にしている。 この研究は、極端な周期的ミスアライメントのような制限について言及し、自己調整サイクル認識のような将来の研究を提案する。 PBTSは、メモリリセットとブートストラップのフェーズにおいて、周期的な報酬コンテキストで帯域幅アルゴリズムを最適化するための新しいアプローチを導入している。

関連論文リスト

• Flow-Corrected Thompson Sampling for Non-Stationary Contextual Bandits [3.2848713528308817]
  報酬モデルが時間とともにドリフトする非定常線形文脈帯域について検討する。 本研究では,過去の報酬を現在まで輸送することで,経験を再利用するベイズ的手法であるフロー補正トンプソンサンプリング(fcTS)を提案する。
  論文  参考訳（メタデータ） (2026-06-22T20:52:19Z)
• TimeAPN: Adaptive Amplitude-Phase Non-Stationarity Normalization for Time Series Forecasting [67.91113180885601]
  TimeAPNは時間領域と周波数領域の両方から非定常因子を明示的にモデル化し、予測する。 TimeAPNは、複数の予測水平線にわたる長期的な予測精度を一貫して改善する。 これは最先端の可逆正規化法より優れている。
  論文  参考訳（メタデータ） (2026-03-18T07:21:24Z)
• Frequentist Consistency of Prior-Data Fitted Networks for Causal Inference [49.70323515651261]
  先行データ適合ネットワーク(PFN)に基づく基礎モデルは因果推論において強い経験的性能を示した。 PFNに基づく因果推定器が古典的頻繁な推定器と整合した不確実な定量化を提供するかどうかは不明である。
  論文  参考訳（メタデータ） (2026-03-12T15:14:35Z)
• GTS: Inference-Time Scaling of Latent Reasoning with a Learnable Gaussian Thought Sampler [54.10960908347221]
  我々は、学習可能な密度から条件付きサンプリングとして潜在思考探索をモデル化し、このアイデアをガウス思想サンプリング(GTS)としてインスタンス化する。 GTSは、連続的推論状態における文脈依存摂動分布を予測し、バックボーンを凍結させながらGRPOスタイルのポリシー最適化を訓練する。
  論文  参考訳（メタデータ） (2026-02-15T09:57:47Z)
• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• BFTS: Thompson Sampling with Bayesian Additive Regression Trees [3.5914503354050336]
  コンテキストブレイディットは、パーソナライズされたモバイルヘルス介入のための中核技術である。 本研究では,BART(Bayesian Additive Regression Trees)を探索ループに直接組み込むための,最初のコンテキスト帯域幅アルゴリズムを提案する。 オフライン政策評価では、BFTSはデプロイされたポリシーと比較してエンゲージメント率を30%以上改善する。
  論文  参考訳（メタデータ） (2026-02-08T01:54:56Z)
• Combating Noisy Labels through Fostering Self- and Neighbor-Consistency [120.4394402099635]
  ラベルノイズは様々な現実世界のシナリオで広まり、教師付きディープラーニングの課題を提起する。 我々は、Jo-SNC(textbfSelf- と textbfNeighbor-textbfConsistency に基づくサンプル選択とモデル正規化)というノイズロバスト手法を提案する。 我々は、クラスごとの選択閾値を調整するための自己適応型データ駆動しきい値設定方式を設計する。
  論文  参考訳（メタデータ） (2026-01-19T07:55:29Z)
• Rethinking Langevin Thompson Sampling from A Stochastic Approximation Perspective [17.53150194998013]
  本稿では、トンプソンサンプリング(TS)フレームワークに近似(SA)を組み込んだTS-SAを紹介する。 各ラウンドにおいて、TS-SAは直近の報酬のみを用いて後部近似を構築し、時間とともにノイズの多い提案にSAステップを適用する。 これは、アルゴリズム全体を通して静止後ターゲットを近似するものとして解釈できる。
  論文  参考訳（メタデータ） (2025-10-06T17:01:29Z)
• Neural Contextual Bandits Under Delayed Feedback Constraints [3.823356975862005]
  本稿では,遅延報酬フィードバックの課題に対処するニューラル・コンテクチュアル・バンディット(CB)の新しいアルゴリズムを提案する。 提案したアルゴリズムは、Delayed NeuralUCBと呼ばれ、上位信頼境界(UCB)に基づく探索戦略を使用している。 MNIST や Mushroom のような実世界のデータセットに関する数値実験では,提案アルゴリズムが遅延を効果的に管理できることが示されている。
  論文  参考訳（メタデータ） (2025-04-16T13:47:25Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Proposal Distribution Calibration for Few-Shot Object Detection [65.19808035019031]
  few-shot object detection (FSOD)では、重度のサンプル不均衡を軽減するために、2段階の訓練パラダイムが広く採用されている。 残念ながら、極端なデータ不足は、提案の分布バイアスを増大させ、RoIヘッドが新しいクラスに進化するのを妨げます。 本稿では,RoIヘッドのローカライゼーションと分類能力を高めるために,単純かつ効果的な提案分布キャリブレーション(PDC)手法を提案する。
  論文  参考訳（メタデータ） (2022-12-15T05:09:11Z)

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。