Submitted 26 August, 2024; originally announced August 2024. , Comments: We analyse a clustered multi-armed bandit formulation, where the learning objective is to identify representative arms from each cluster, in a fixed confidence setting
توضیحات به فارسی
ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: ما یک فرمول راهزن چند مسلح خوشه ای را تجزیه و تحلیل می کنیم ، جایی که هدف یادگیری شناسایی اسلحه های نماینده از هر خوشه است ، در یک تنظیم اعتماد به نفس ثابت
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
We study the representative arm identification (RAI) problem in the multi-armed bandits (MAB) framework, wherein we have a collection of arms, each associated with an unknown reward distribution. An underlying instance is defined by a partitioning of the arms into clusters of predefined sizes, such that for any $j > i$, all arms in cluster $i$ have a larger mean reward than those in cluster $j$. The goal in RAI is to reliably identify a certain prespecified number of arms from each cluster, while using as few arm pulls as possible. The RAI problem covers as special cases several well-studied MAB problems such as identifying the best arm or any $M$ out of the top $K$, as well as both full and coarse ranking. We start by providing an instance-dependent lower bound on the sample complexity of any feasible algorithm for this setting. We then propose two algorithms, based on the idea of confidence intervals, and provide high probability upper bounds on their sample complexity, which orderwise match the lower bound. Finally, we do an empirical comparison of both algorithms along with an LUCB-type alternative on both synthetic and real-world datasets, and demonstrate the superior performance of our proposed schemes in most cases.
چکیده به فارسی (ترجمه ماشینی)
ما مشکل شناسایی بازوی (RAI) را در چارچوب راهزنان چند مسلح (MAB) مطالعه می کنیم ، که در آن مجموعه ای از اسلحه ها داریم ، هر یک با توزیع پاداش ناشناخته همراه است.یک نمونه اساسی با تقسیم بندی بازوها به خوشه هایی با اندازه های از پیش تعریف شده تعریف می شود ، به گونه ای که برای هر $ j> i $ ، تمام اسلحه های خوشه $ i $ پاداش بزرگتر از آن در خوشه $ j $ دارند.هدف در RAI شناسایی قابل اعتماد تعداد خاصی از بازوهای از پیش تعیین شده از هر خوشه است ، در حالی که از حد ممکن استفاده می کند.مشکل RAI به عنوان موارد خاص چندین مشکل MAB خوب مورد مطالعه مانند شناسایی بهترین بازو یا هر $ M $ از $ $ $ $ و همچنین رتبه بندی کامل و درشت را در بر می گیرد.ما با ارائه یک محدودیت پایین وابسته به نمونه بر پیچیدگی نمونه از هر الگوریتم امکان پذیر برای این تنظیم شروع می کنیم.ما سپس دو الگوریتم را بر اساس ایده فواصل اطمینان ارائه می دهیم و مرزهای بالایی با احتمال بالایی را در پیچیدگی نمونه آنها ارائه می دهیم ، که به ترتیب با مرز پایین مطابقت دارند.سرانجام ، ما یک مقایسه تجربی از هر دو الگوریتم به همراه یک جایگزین از نوع LUCB در هر دو مجموعه داده مصنوعی و واقعی انجام می دهیم و عملکرد برتر طرح های پیشنهادی ما را در بیشتر موارد نشان می دهیم.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
