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!
#cota de regret
Aprendizaje online con regret de intervalo por variación de gradiente
Descubre: Primer algoritmo de aprendizaje online con regret de intervalo adaptativo a la variación del gradiente. Garantías óptimas y ajuste automático.