风险敏感的非参数和内核强盗
原文:Risk-Sensitive Non-Parametric and Kernel Bandits
我们研究非参数老虎机,其中使用累积前景理论(CPT)而不是预期奖励来评估手臂。我们考虑具有手臂相关噪声的连续动作空间,并提出非参数 CPT Bandits ($\mathtt{NPCB}$),这是一种乐观算法,可将均值估计与基于 CPT 的决策分离。我们证明 CPT 后悔阶 $\widetilde{\mathcal O}\bigl(\sqrt{T
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。