Information Directed Sampling for Sparse Linear Bandits
Information Directed Sampling for Sparse Linear Bandits
复制标题
稀疏线性老虎机的信息定向采样
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Wei Deng
中科院分区：
文献类型：
--
作者：
Botao Hao;Tor Lattimore;Wei Deng
随机稀疏线性强盗为高维在线决策问题提供了一种实用的模型，具有丰富的信息后悔结构。在这项工作中，我们探索了信息导向抽样(IDS)的使用，它自然地平衡了信息和后悔之间的权衡。我们开发了一类信息理论的贝叶斯遗憾界，它几乎与现有的各种问题实例的下界相匹配，从而证明了入侵检测系统的自适应性。为了有效地实现稀疏入侵检测，我们提出了一种基于尖峰-板条高斯-拉普拉斯先验的稀疏后验采样的经验贝叶斯方法。数值结果表明，相对于几个基线，稀疏入侵检测显著减少了遗憾。
Stochastic sparse linear bandits offer a practical model for high-dimensional online decision-making problems and have a rich information-regret structure. In this work we explore the use of information-directed sampling (IDS), which naturally balances the information-regret trade-off. We develop a class of information-theoretic Bayesian regret bounds that nearly match existing lower bounds on a variety of problem instances, demonstrating the adaptivity of IDS. To efficiently implement sparse IDS, we propose an empirical Bayesian approach for sparse posterior sampling using a spike-and-slab Gaussian-Laplace prior. Numerical results demonstrate significant regret reductions by sparse IDS relative to several baselines.
招募的 T 细胞通过上调雌激素受体 beta/1L-1/c-MET 信号促进膀胱癌转移
影响因子：
9.7
作者：
Tao, Le;Qiu, Jianxin;Yeh, Shuyuan
通讯作者：
Yeh, Shuyuan