文献

J-GLOBAL ID：201702210661597756   整理番号：17A0869728

悪腕存在チェック問題のアルゴリズム

Algorithms for Bad Arm Existence Checking Problem

著者 (1件)： 中村篤祥 (北大 大学院情報科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 110(IBISML2017 1-10)  ページ： 49-54  発行年： 2017年06月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 確率的K腕バンディット問題の設定で,期待報酬が閾値以上のものが存在するか否かをできる限り少ないプレイ回数で判定する悪腕存在チェック問題を考える。これは,K個の検査対象物の内1個でも異常なものがないかを,できるだけ少ない検査回数で判定する問題を定式化したものである。本稿では,まず,与えられたスロットマシン1台に対し,期待報酬が閾値以上であるか否かを判定する腕識別問題を考え,アルゴリズムを与えサンプル複雑度(プレイ回数)の上界を示す。悪腕存在チェック問題に関しては,腕識別問題のアルゴリズムをサブルーチンとして用いる逐次削除アルゴリズムと逐次検査アルゴリズムを示し,各々のサンプル複雑度の上界を示す。(著者抄録)

シソーラス用語： *アルゴリズム ,  賃金 ,  *期待値 ,  確率モデル ,  変数 ,  *強化学習
準シソーラス用語： スロットマシン【ゲーム】 ,  悪腕存在チェック問題 ,  確率変数 ,  多腕バンディット問題 ,  報酬 ,  腕識別問題

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (2件)：

• J. Audibert, S. Bubeck, and R. Munos, ”Best arm identification in multi-armed bandits,” The 23rd Conference on Learning Theory, pp.41-53, 2010.
• E. Even-Dar, S. Mannor, and Y. Mansour, ”Action elimination and stopping conditions for the multi-armed bandit and reinforcement learning problems,” Journal of Machine Learning Research, vol.7, pp.1079-1105, 2006.

タイトルに関連する用語 (4件)： 腕 ,  チェック ,  問題 ,  アルゴリズム