深度神经线性_bandit：通过似然匹配克服灾难性遗忘
机器学习
2019-08-13 v2 人工智能
机器学习
摘要
我们研究神经线性bandit模型，用于解决具有高维边信息序贯决策问题。神经线性bandit利用深度神经网络的表征能力，并在最后隐藏层之上结合为线性上下文bandit设计的高效探索机制。由于表征在学习过程中被优化，有关使用“旧”特征进行探索的信息会丢失。在此，我们提出了首个对此现象（我们称之为灾难性遗忘）具有韧性的有限记忆神经线性bandit。我们在包括回归、分类和情感分析在内的多种真实世界数据集上评估了我们的方法，观察到我们的算法对灾难性遗忘具有韧性并取得了优越性能。
引用
@article{arxiv.1901.08612,
title = {Deep Neural Linear Bandits: Overcoming Catastrophic Forgetting through Likelihood Matching},
author = {Tom Zahavy and Shie Mannor},
journal= {arXiv preprint arXiv:1901.08612},
year = {2019}
}