基于生成对抗网络的非线性上下文老虎机快速在线推断
机器学习
2022-02-21 v1
摘要
本工作关注当臂的数量 非常大时，推断非线性上下文老虎机（contextual bandit）的效率问题。我们提出一种具有端到端训练过程的神经老虎机模型，以在推断时高效执行如 Thompson Sampling 与 UCB 等老虎机算法。借助近似贝叶斯推断、神经随机特征映射、近似全局极大值与近似最近邻搜索，我们将最先进的时间复杂度推进至 。我们进一步提出一种生成对抗网络，将选择最优臂的目标最大化瓶颈从推断时转移到训练时，在支持批处理与并行处理这一额外优势下实现显著加速。在分类与推荐任务上的大量实验表明，推断时间有数量级提升且性能无显著退化。
引用
@article{arxiv.2202.08867,
title = {Fast online inference for nonlinear contextual bandit based on Generative Adversarial Network},
author = {Yun Da Tsai and Shou De Lin},
journal= {arXiv preprint arXiv:2202.08867},
year = {2022}
}