Bandidos inquietos: indexabilidad PCL con retroalimentación binaria imperfecta
Calcula el índice de Whittle para bandidos inquietos con retroalimentación binaria imperfecta. Optimiza decisiones en espectro oportunista.
#bandidos
Bandidos logísticos multinomiales eficientes con Frequent Directions
Descubre EOFD-MLogB: un algoritmo que reduce drásticamente el tiempo y espacio en bandidos logísticos multinomiales mediante sketching, manteniendo un alto rendimiento.
ATLAS: Aprendizaje Activo de Teorías para Ciencia Automatizada
Descubre cómo ATLAS diseña experimentos para modelos mecanicistas interpretables, con 5-10x más eficiencia muestral. Ideal para ciencia automatizada.
CAAL: Bandidos contextuales para selección de estrategias activas artesanales
CAAL usa bandidos contextuales para seleccionar dinámicamente estrategias de aprendizaje activo basadas en contexto externo.
Algoritmos para bandidos multibrazo en ventana deslizante
Descubre cómo los algoritmos de bandidos multibrazo en streaming con ventana deslizante optimizan exploración y arrepentimiento usando memoria limitada. Resultados teóricos y experimentales.
Optimalidad asintótica de Thompson Sampling para bandidos aversos al riesgo
Un algoritmo de Thompson Sampling no paramétrico logra optimalidad asintótica en bandidos aversos al riesgo con recompensas subgaussianas.
Aprendizaje basado en modelos de índices Whittle
Descubre BLINQ, el nuevo algoritmo basado en modelos que aprende índices Whittle de forma más rápida y precisa que Q-learning, reduciendo muestras y costo computacional.
Aprendizaje en línea para control supervisado de conmutación
Aprende cómo el aprendizaje en línea y bandidos multibrazo identifican controladores en sistemas lineales con garantías finitas y detectan inestabilidad.
Selección adaptativa de prior en bandidos Gaussianos con Thompson
Descubre cómo seleccionar adaptativamente el prior en bandidos de procesos Gaussianos con Thompson Sampling. Dos algoritmos innovadores: PE-GP-TS y HP-GP-TS par
AT-DPT: Aprendizaje por refuerzo robusto en contexto contra envenenamiento
Descubre cómo AT-DPT mejora la robustez del aprendizaje por refuerzo en contexto frente a ataques de envenenamiento de recompensas. Resultados sorprendentes.
Poda estructurada de neuronas en redes profundas usando bandidos multibrazo
Descubre cómo la poda estructurada de neuronas con algoritmos de bandidos multibrazo reduce modelos de deep learning eliminando unidades redundantes, mejorando eficiencia sin perder precisión.
EVILL: exploración eficaz en bandidos con perturbación lineal
Descubre EVILL, un revolucionario método de exploración para bandidos estocásticos. A diferencia de PHE, usa perturbaciones lineales en la pérdida para lograr mejores resultados. Ideal para IA.
Bandidos Multi-Agente Lipschitz
Aprende sobre el protocolo modular para bandidos multiagente Lipschitz: coordinación descentralizada, sin comunicación, con cotas de arrepentimiento óptimas. Ideal para IA y robótica.
Aprendizaje por refuerzo con regularización KL y mala especificación
Descubre cómo la regularización KL mejora el aprendizaje por refuerzo ante modelos incorrectos. Nuevas garantías teóricas para algoritmos robustos. ¡Lee más!
Cuándo y por qué funciona la exploración aleatoria en bandidos lineales
Exploración aleatoria (Thompson sampling) logra arrepentimiento óptimo en bandidos lineales con espacios convexos. ¡Un avance clave!
ALMAB-DC: Aprendizaje Activo y Bandidos para Optimización Secuencial
ALMAB-DC: optimiza experimentos costosos con aprendizaje activo y bandidos. Acelera hasta 7.5x y supera benchmarks (93.4% en CIFAR-10).
Aprendizaje offline-online en bandidos lineales
Descubre cómo nuestro algoritmo combina datos offline y exploración online en bandidos lineales para minimizar el arrepentimiento. Resultados empíricos demuestran su eficacia.
Arrepentimiento de intercambio coherente y aprendizaje a prueba de canales
Nuevo algoritmo de aprendizaje minimiza el arrepentimiento de intercambio coherente en juegos cuánticos. Equilibrio correlacionado separable y auditoría SDP.
Zumbar, Elegir, Olvidar: Marco Meta-Bandit para decisiones de abejas
Modelo MAYA basado en bandidos multi-brazo reproduce decisiones de forrajeo de abejas con memoria limitada. Ventana temporal óptima de 7 pruebas. ¡Lee más!
Bandidos contextuales con supervisión humana para precios de alquiler temporal
Bandidos contextuales con aprobación humana reducen el cold-start de 150 a 30 episodios. Aprende la estrategia warm-up histórico.