文献

J-GLOBAL ID：202002282065525155   整理番号：20A1484563

コストを意識したカスケーディングバンディット【JST・京大機械翻訳】

Cost-Aware Cascading Bandits

著者 (4件)： Gan Chao (School of Electrical Engineering and Computer Science, The Pennsylvania State University, University Park, PA, USA) ,  Zhou Ruida (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA) ,  Yang Jing (School of Electrical Engineering and Computer Science, The Pennsylvania State University, University Park, PA, USA) ,  Shen Cong (Department of Electrical and Computer Engineering, University of Virginia, Charlottesville, VA, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 68  ページ： 3692-3706  発行年： 2020年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,牽引アームのランダムコストを考慮することにより,カスケードフィードバックを有するマルチアームバンドビットの新しい変種である,コスト意識型カスケード帯域モデルを提案した。各ステップにおいて,学習エージェントはアイテムの整然としたリストを選択し,ある停止条件が満足されるまで,それらを順次調べる。次に,各ステップで期待されるネット報酬を最大化し,すなわち各ステップで取得した報酬を,アイテムの注文リストを決定し,また,検査を止めるとき,アイテムの調査において,総コストを,それぞれ,最大に抑えることを,最大に行う。。”各ステップにおいて,各ステップにおいて得られた報酬は,アイテムの規則リストを決定することにより,各ステップにおいて得られた報酬を,最大に抑える,という事である。最初に,腕を引く瞬間コストが引っ張るまで学習者に未知である設定を考察した。アイテムの状態とコスト統計が事前に知られているかどうかに依存して,オフラインとオンライン設定の両方を研究した。オフライン設定では,閾値1(UCR-T1)ポリシーによるユニットコストランキングが最適であることを示した。オンライン設定のために,著者らは,コスト意識Cascading Perfidence Bound(CC-UCB)アルゴリズムを提案して,O(logT)における累積レグレットスケールを示した。また,Ω(logT)でスケールし,著者らの上限に整合するすべてのαコンシステントポリシーに対する下限を提供した。次に,各アームを引く瞬間コストが意思決定のための学習者に利用可能であり,CC-UCB2と呼ぶCC-UCBアルゴリズムの僅かな修正が順序最適であることを示した。アルゴリズムの性能を,合成および実世界データの両方で評価した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  意思決定 ,  総原価 ,  等級づけ ,  *アーム ,  周波数帯
準シソーラス用語： 学習者 ,  オンライン ,  オフライン , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 意識