基于极小极大路径的网络瓶颈在线学习
机器学习
2023-02-15 v3 机器学习
摘要
在本文中，我们研究通过提取极小极大路径来识别网络中的瓶颈。许多真实世界网络具有随机权重，其完整知识无法提前获得。因此，我们将该任务建模为组合半赌博机问题，对其应用组合版Thompson采样，并建立了相应贝叶斯遗憾的上界。由于该问题的计算难处理性，我们随后设计了一种近似原始目标的替代问题表述。最后，我们在真实世界的有向与无向网络上通过实验评估了采用近似表述的Thompson采样的性能。
引用
@article{arxiv.2109.08467,
title = {Online Learning of Network Bottlenecks via Minimax Paths},
author = {Niklas Åkerblom and Fazeleh Sadat Hoseini and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:2109.08467},
year = {2023}
}