پژوهش
پژوهش: LinUCB برای پاداش پشیمانی زیرخطی به بازه‌های اطمینان معتبر نیاز ندارد
پیش‌چاپی در arXiv نشان می‌دهد که در مجموعه‌اقدام‌های دارای ویژگی‌های هندسی مشخص، جایگزینی پهنای اطمینان معمول LinUCB با هر مقدار ثابت مثبت نیز می‌تواند پاداش پشیمانی زیرخطی را حفظ کند.
پژوهشگران در پیش‌چاپی در arXiv الگوریتمی به نام α-LinUCB را بررسی کرده‌اند که در آن پهنای اطمینان معمول LinUCB با یک مقدار ثابت مثبت جایگزین می‌شود. طبق چکیدهٔ مقاله، اگر مجموعهٔ اقدام‌ها M-smooth و m-strongly convex باشد، این تغییر همچنان پاداش پشیمانی زیرخطی را حفظ می‌کند؛ نتیجه‌ای که نشان می‌دهد معتبر بودن مجموعه‌های اطمینان برای موفقیت LinUCB ضروری نیست.
نویسندگان سازوکار این نتیجه را انحنای مجموعهٔ اقدام‌ها می‌دانند: این ویژگی الگوریتم را به کاوش در همهٔ جهت‌ها سوق می‌دهد، حتی وقتی تضمینی برای خوش‌بینانه‌بودن تخمین‌ها وجود ندارد. آن‌ها برای تحلیل این سازوکار، «پتانسیل طیفی با سقف لگاریتمی» معرفی می‌کنند که برخلاف پتانسیل استاندارد log-determinant، سهم جهت‌هایی را که به‌اندازهٔ کافی کاوش شده‌اند محدود می‌کند. این روش به دست‌یابی به کران‌های پایین برای کوچک‌ترین مقدار ویژهٔ ماتریس طراحی می‌انجامد.
این مقاله پیش‌چاپی در arXiv است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده