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。
本論文では,コンテキストが独立かつ同一分布d次元ランダムベクトルである有限数のアームを有する文脈的帯域を考察し,そして,期待される報酬はアームパラメータとコンテキストの両方において線形である。LinUCBアルゴリズムは,関連する線形帯域に対して最適に近い極小値であり,その過剰探索により,次元dと時間水平Tの両者で準最適である累積レグレットを持つことを示した。LinUCBの短縮版を提案し,「Tr-LinUCB」と命名し,それは,打切り時間SまでLinUCBに従い,その後,純粋な開発を行う。Tr-LinUCBアルゴリズムは,十分に大きな一定のCのためのS=Cdlog(T)ならば,O(dlog(T))レグレットを達成して,マッチする下限を確立して,それは低次元領域の下でdとTの両方におけるTr-LinUCBの速度最適性を示した。さらに,S=dlog ̄κ(T)がいくつかのκ>1の場合に,最適と比較して損失が,dに依存しない乗法的loglog(T)因子であった。Tr-LinUCBの打切り時間の選択におけるオーバーシュートへのこの非感受性は,実用的に重要である。【JST・京大機械翻訳】