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。
本研究では,ロジスティックバンドに対するレグレット最小化問題を考察した。ロジスティックバンドの主な課題は,未知のパラメータθ_*のノルムで指数的に最悪のスケールで,潜在的に大きな問題依存定数κへの依存性を低減することである。Abeille et al.(2021)は,Dが次元であるO(dlog ̄2(κ)√μTlog(|X|))のようなレグレット保証を提供するこの最悪ケース依存性を除去するために,ロジスティック関数の自己一致を適用し,Tは時間水平であり,μは最良アームの分散である。本研究は,O(√dμTlog(|X|))のミニマックスレレットを達成する実験計画手順を採用することによって,固定アーム設定でこの限界を改善した。本レグレットは,実際には,ロジスティックバンドにおいて,よりタイトなインスタンス(即ち,ギャップ)に依存するレグレットを,初めて取り込む。また,著者らは,一般に,レグレットにおける低次項を劇的に減らすことができる新しいウォームアップサンプリングアルゴリズムを提案し,それが,いくつかのインスタンスに対して,κに対する低次項依存性をlog ̄2(κ)に置き換えることができることを証明した。最後に,ロジスティックバンド問題に対するMLEのバイアスの影響を考察し,d ̄2低次regret(cf.,線形バンドに対するd)がMLEを用いる限り改善されない例を提供し,バイアス補正推定器がdに近づくのに使用できる。【JST・京大機械翻訳】