Identificación del mejor brazo en Banditos Lineales Generalizados mediante Aprendizaje por Refuerzo Híbrido

Resumen del corpus

Se estudia la identificación del mejor brazo con confianza fija en bandidos lineales generalizados utilizando un modelo de retroalimentación híbrido. Se introduce una secuencia de confianza basada en la razón de verosimilitud para unificar observaciones y se propone un algoritmo híbrido Track-and-Stop para la asignación adaptativa de consultas. Los experimentos demuestran una mejora significativa en la eficiencia de la muestra sobre métodos de referencia.

Periodista: Qirun Zeng, Xuchuang Wang, Jiayi Shen, Xutong Liu, Fang Kong, Jinhang Zuo

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI