会员服务
Stochastic Contextual Bandits with Graph-based Contexts
Arxiv
0+阅读 · 2023年5月2日
On Frequentist Regret of Linear Thompson Sampling
Arxiv
1+阅读 · 2023年4月20日
Optimal Activation of Halting Multi-Armed Bandit Models
Arxiv
0+阅读 · 2023年4月20日
Continuous Time Bandits With Sampling Costs
Arxiv
0+阅读 · 2023年4月19日
Testing Indexability and Computing Whittle and Gittins Index in Subcubic Time
Arxiv
0+阅读 · 2023年4月19日
A Field Test of Bandit Algorithms for Recommendations: Understanding the Validity of Assumptions on Human Preferences in Multi-armed Bandits
Arxiv
0+阅读 · 2023年4月16日
Collaborative Learning in Kernel-based Bandits for Distributed Users
Arxiv
0+阅读 · 2023年4月17日
Adaptive Experimentation at Scale: Bayesian Algorithms for Flexible Batches
Arxiv
0+阅读 · 2023年4月15日
Bandit-Based Policy Invariant Explicit Shaping for Incorporating External Advice in Reinforcement Learning
Arxiv
0+阅读 · 2023年4月14日
Learning Personalized Decision Support Policies
Arxiv
2+阅读 · 2023年4月13日
Delayed Feedback in Generalised Linear Bandits Revisited
Arxiv
0+阅读 · 2023年4月11日
MERMAIDE: Learning to Align Learners using Model-Based Meta-Learning
Arxiv
0+阅读 · 2023年4月10日
Asymptotic expansion for batched bandits
Arxiv
0+阅读 · 2023年4月9日
Regret Distribution in Stochastic Bandits: Optimal Trade-off between Expectation and Tail Risk
Arxiv
0+阅读 · 2023年4月10日
Sharp Deviations Bounds for Dirichlet Weighted Sums with Application to analysis of Bayesian algorithms
Arxiv
0+阅读 · 2023年4月6日
参考链接
微信扫码咨询专知VIP会员
Top