バンディット学習におけるGauss想像【JST・京大機械翻訳】

Liu Yueyang; Devraj Adithya M.; Van Roy Benjamin; Xu Kuang

プレプリント

J-GLOBAL ID：202202201983746870 整理番号：22P0024139

バンディット学習におけるGauss想像【JST・京大機械翻訳】

Gaussian Imagination in Bandit Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年02月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

分布がGaussであると仮定すると,そうでなければ扱いにくい計算が容易になる。Gauss事前分布とGauss尤度関数を持つ帯域環境に関して,Bernoulliバンドの代わりに適用したときの有界情報比を達成するエージェントの性能を研究した。Bayes regretに関する情報理論的限界と比較して,エージェントはGaussバンドと相互作用するときに発生して,エージェントがBernoulliバンドと相互作用するとき,レグレットの増加を結合した。Gauss事前分布と尤度関数が十分に拡散するならば,この増加は時間水平の平方根において最も線形である速度で成長し,従って,時間ごとの増加は消滅する。著者らの結果は,いわゆるBayesエージェントが,拡散誤指定分布で瞬時化されたとき,有効なままであるという民間を定式化する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般 , 信号理論

前のページに戻る