抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
著者らは,意思決定者がコンテキストと報酬を観察するが,速度制限通信チャネル上のエージェントによって取られる行動を伝達しなければならない遠隔文脈マルチアームバンド(CMAB)問題を考察した。これは,例えば,コンテンツ所有者が個々の訪問者をそのウェブサイトに観測し,従ってコンテキスト情報を持っているが,マーケティングコンテンツを管理する別々のエンティティに,各訪問者に表示しなければならないアドスを伝えなければならない,例えば,個人化されたアド配置アプリケーションをモデル化できる。この遠隔CMAB(R-CMAB)問題において,意思決定者とエージェントの間の通信速度に関する制約は,エージェントあたりのビット送信数と獲得平均報酬の間のトレードオフを課す。特に,サブリニアレグレットを達成するのに必要な速度の特性化に関心がある。その結果,これは,歪計量が学習目的によって誘導される,政策圧縮問題とみなすことができる。最初に,エージェントの数を無限に設定することによって,この問題の基本的情報理論的限界を研究して,Thompsonサンプリング戦略を採用するとき,達成したレグレットを研究した。特に,線形およびサブ線形レグレット挙動をもたらす2つの異なる速度領域を同定した。次に,意思決定者が歪みなしで政策を確実に伝送できるとき,達成可能なレレットに関する上限を提供した。【JST・京大機械翻訳】