批量神经老虎机
机器学习
2021-02-26 v1 机器学习
摘要
在许多序贯决策问题中，个体被划分为若干批次，决策者在每批结束时才被允许更改其策略。这类批处理问题有大量应用，从临床试验到众包不一而足。受此驱动，我们研究批量设定下一般奖励分布的随机上下文老虎机问题。我们提出 BatchNeuralUCB 算法，该算法将神经网络与乐观主义相结合，在限制批次总数的同时应对探索-利用权衡。我们在固定与自适应批大小两种设定下研究 BatchNeuralUCB，并证明其虽大幅减少策略更新次数，却取得了与全序贯版本相同的后悔界。我们在合成与真实世界数据集上的仿真验证了我们的理论结果。
引用
@article{arxiv.2102.13028,
title = {Batched Neural Bandits},
author = {Quanquan Gu and Amin Karbasi and Khashayar Khosravi and Vahab Mirrokni and Dongruo Zhou},
journal= {arXiv preprint arXiv:2102.13028},
year = {2021}
}
备注
21 pages, 7 figures