基于门控线性网络的上下文老虎机在线学习
机器学习
2020-11-23 v2 人工智能
机器学习
摘要
我们提出了一种全新的、完全在线的上下文老虎机算法，称为门控线性上下文老虎机（GLCB）。该算法基于门控线性网络（GLNs），这是一种近期提出的深度学习架构，其特性非常契合在线场景。借助 GLN 的数据相关门控特性，我们能够在几乎零算法开销的情况下估计预测不确定性。我们在离散与连续上下文老虎机问题的标准基准测试套件上，将 GLCB 与 9 种利用深度神经网络的最先进算法进行了实证评估。尽管 GLCB 是唯一在线的方法，其仍取得中位第一的成绩；我们进一步通过对其收敛性质的理论研究支持了这些结果。
引用
@article{arxiv.2002.11611,
title = {Online Learning in Contextual Bandits using Gated Linear Networks},
author = {Eren Sezener and Marcus Hutter and David Budden and Jianan Wang and Joel Veness},
journal= {arXiv preprint arXiv:2002.11611},
year = {2020}
}
备注
NeurIPS 2020