计算机科学 > 机器学习
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.