Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Adversarial bandit optimization for approximately linear functions

Created by
  • Haebom

저자

Zhuoyu Cheng, Kohei Hatano, Eiji Takimoto

개요

본 논문은 비볼록 비매끄러운 함수에 대한 밴딧 최적화 문제를 다룹니다. 각 시행에서 손실 함수는 선형 함수와 플레이어의 선택을 관찰한 후 선택된 작지만 임의의 섭동의 합으로 구성됩니다. 논문에서는 이 문제에 대한 기대값과 높은 확률의 후회 상한을 제시합니다. 본 연구 결과는 섭동이 없는 특수한 경우인 밴딧 선형 최적화에 대한 향상된 고확률 후회 상한을 의미합니다. 또한 기대 후회에 대한 하한도 제시합니다.

시사점, 한계점

시사점: 비볼록 비매끄러운 함수에 대한 밴딧 최적화 문제에 대한 기대값 및 고확률 후회 상한을 제시하여 이론적 기여를 함. 밴딧 선형 최적화 문제에 대한 기존 결과를 개선.
한계점: 실제 응용 분야에 대한 실험적 검증이 부족. 섭동의 크기 및 형태에 대한 제약이 존재할 수 있음. 하한에 대한 분석이 기대값에만 국한됨.
👍