Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1209.2693

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1209.2693 (cs)
[提交于 2012年9月12日 ]

标题: 对 restless Markov 棒球的遗憾界限

标题: Regret Bounds for Restless Markov Bandits

Authors:Ronald Ortner, Daniil Ryabko, Peter Auer, Rémi Munos
摘要: 我们考虑非静止马尔可夫老虎机问题,其中每个杠杆的状态根据马尔可夫过程独立于学习者的动作演变。 我们提出一种算法,在$T$步骤后相对于知道所有杠杆分布的最佳策略实现了$\tilde{O}(\sqrt{T})$的遗憾。 除了马尔可夫链是不可约的外,没有对马尔可夫链做出其他假设。 此外,我们证明基于索引的策略对于所考虑的问题来说本质上是次优的。
摘要: We consider the restless Markov bandit problem, in which the state of each arm evolves according to a Markov process independently of the learner's actions. We suggest an algorithm that after $T$ steps achieves $\tilde{O}(\sqrt{T})$ regret with respect to the best policy that knows the distributions of all arms. No assumptions on the Markov chains are made except that they are irreducible. In addition, we show that index-based policies are necessarily suboptimal for the considered problem.
评论: 在第23届国际算法学习理论会议(ALT 2012)论文集中的
主题: 机器学习 (cs.LG) ; 优化与控制 (math.OC); 机器学习 (stat.ML)
引用方式: arXiv:1209.2693 [cs.LG]
  (或者 arXiv:1209.2693v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1209.2693
通过 DataCite 发表的 arXiv DOI
期刊参考: Proceedings of ALT, Lyon, France, LNCS 7568, pp.214-228, 2012

提交历史

来自: Daniil Ryabko [查看电子邮件]
[v1] 星期三, 2012 年 9 月 12 日 19:14:21 UTC (23 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math
< 上一篇   |   下一篇 >
新的 | 最近的 | 2012-09
切换浏览方式为:
cs
cs.LG
math.OC
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号