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 > stat > arXiv:1507.00300v1

帮助 | 高级搜索

统计学 > 机器学习

arXiv:1507.00300v1 (stat)
[提交于 2015年7月1日 ]

标题: 自助抽样式汤普森采样与深度探索

标题: Bootstrapped Thompson Sampling and Deep Exploration

Authors:Ian Osband, Benjamin Van Roy
摘要: 本文献提出了一种新的方法来实现汤普森采样(Thompson sampling)所达成的探索效果,但无需显式地维护或从后验分布中采样。该方法基于一种自助法(bootstrap technique),利用观测数据和人工生成的数据组合。后者用于推导先验分布,正如我们将展示的那样,这对于有效的探索至关重要。我们解释了这种方法如何应用于多臂老虎机(multi-armed bandit)和强化学习问题,并探讨了它与汤普森采样的关系。由于在这些场景下维护或从后验分布中生成样本在计算上变得不可行,因此这种方法特别适用于探索与深度学习相结合的上下文中。
摘要: This technical note presents a new approach to carrying out the kind of exploration achieved by Thompson sampling, but without explicitly maintaining or sampling from posterior distributions. The approach is based on a bootstrap technique that uses a combination of observed and artificially generated data. The latter serves to induce a prior distribution which, as we will demonstrate, is critical to effective exploration. We explain how the approach can be applied to multi-armed bandit and reinforcement learning problems and how it relates to Thompson sampling. The approach is particularly well-suited for contexts in which exploration is coupled with deep learning, since in these settings, maintaining or generating samples from a posterior distribution becomes computationally infeasible.
主题: 机器学习 (stat.ML) ; 机器学习 (cs.LG)
引用方式: arXiv:1507.00300 [stat.ML]
  (或者 arXiv:1507.00300v1 [stat.ML] 对于此版本)
  https://doi.org/10.48550/arXiv.1507.00300
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ian Osband [查看电子邮件]
[v1] 星期三, 2015 年 7 月 1 日 17:47:01 UTC (65 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:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2015-07
切换浏览方式为:
cs
cs.LG
stat

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