基于时间序列的决策-making stochastic-process 模型中的自相关效应
机器学习
2026-03-09 v1 新兴技术
概率论
光学
摘要
利用半导体激光器获得的光子混沌动力学，为解决多臂赌博问题提供了一种超快方法，通过将时序光信号作为顺序决策的驱动源。在此类系统中，混沌波形的采样间隔决定了结果时序的时间相关性，实验报告称决策准确率强烈依赖于此自相关特性。然而，尚不清楚自相关优势能否用最小数学模型来解释。本文通过分析基于 tug-of-war 原则解决两臂赌博问题的时间序列决策-making 的 stochastic-process 模型，其中阈值和双值马尔可夫信号联合演化。数值结果揭示了环境依赖结构：在奖励丰富的环境中，负（正）自相关最为 optimal。在奖励匮乏的环境中，正相关最为有用。这些发现表明，当赢家概率之和大于1时，时序的负自相关优势最大化；当赢家概率之和小于1时，正自相关更有用。此外，若赢家概率之和等于1，性能与自相关无关，这一发现得到了数学阐明。该研究为提高无线通信和机器人领域的强化学习决策-making 方案提供了道路。
关键词
引用
@article{arxiv.2603.05559,
title = {Autocorrelation effects in a stochastic-process model for decision making via time series},
author = {Tomoki Yamagami and Mikio Hasegawa and Takatomo Mihana and Ryoichi Horisaki and Atsushi Uchida},
journal= {arXiv preprint arXiv:2603.05559},
year = {2026}
}
备注
21 pages, 10 figures