基于老虎机分配的自适应蒙特卡洛
人工智能
2014-05-15 v1 机器学习
摘要
我们考虑在多个无偏蒙特卡洛估计量之间顺序选择以最小化最终组合估计的均方误差的问题。通过将此任务简化为随机多臂老虎机问题，我们表明可以利用发展良好的分配策略来实现接近事后选择的最佳估计量的MSE。然后我们将这些发展扩展到替代估计量具有不同（可能随机）成本的情景。结果是一组新的自适应蒙特卡洛策略，它们比先前方法提供更强的保证，同时具有实际优势。
引用
@article{arxiv.1405.3318,
title = {Adaptive Monte Carlo via Bandit Allocation},
author = {James Neufeld and András György and Dale Schuurmans and Csaba Szepesvári},
journal= {arXiv preprint arXiv:1405.3318},
year = {2014}
}
备注
The 31st International Conference on Machine Learning (ICML 2014)