 |
Communication dans un congrès
Regret Bounds for Gaussian Process Bandit Problems
Abstract : Bandit algorithms are concerned with trading exploration with exploitation where a number of options are available but we can only learn their quality by experimenting with them. We consider the scenario in which the reward distribution for arms is modelled by a Gaussian process and there is no noise in the observed reward. Our main result is to bound the regret experienced by algorithms relative to the a posteriori optimal strategy of playing the best arm throughout based on benign assumptions about the covariance function de ning the Gaussian process. We further complement these upper bounds with corresponding lower bounds for particular covariance functions demonstrating that in general there is at most a logarithmic looseness in our upper bounds.
Littérature citée [28 références]
https://hal-enpc.archives-ouvertes.fr/hal-00654517
Contributeur : Jean-Yves Audibert Connectez-vous pour contacter le contributeur
Soumis le : jeudi 22 décembre 2011 - 10:06:06
Dernière modification le : jeudi 17 mars 2022 - 10:08:39
Archivage à long terme le : : vendredi 23 mars 2012 - 02:21:32
Contributeur : Jean-Yves Audibert Connectez-vous pour contacter le contributeur
Soumis le : jeudi 22 décembre 2011 - 10:06:06
Dernière modification le : jeudi 17 mars 2022 - 10:08:39
Archivage à long terme le : : vendredi 23 mars 2012 - 02:21:32
Fichier
AISTATS10.pdf
Fichiers produits par l'(les) auteur(s)