arXiv stat.ML· Shion Takeno, Shogo Iwazaki, Ichiro Takeuchi·· 13 天前AI 评分29
基于数据细化（Data Thinning）的 UCB 型高斯过程老虎机接近最优的遗憾界
Near-Optimal Regret Bounds for UCB-Style Gaussian Process Bandits via Data Thinning
AI 导读
研究人员通过引入数据细化（data thinning）统计技术，在高斯噪声假设下使 UCB 风格的高斯过程算法实现了接近最优的遗憾界。该方法在多臂老虎机设定下构建出更紧密的置信区间，不仅使 GP-UCB 的直接扩展版本达成接近最优的简单遗憾上界，与分阶段消除算法结合后更取得了接近最优的累积遗憾上界。数值实验进一步验证了该方法的有效性。
来源：arXiv stat.ML · arxiv.org