Buchumschlag

Thompson Sampling in Partially Observable Contextual Bandits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Hongju, Faradonbeh, Mohamad Kazem Shirani
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Analysis of Thompson Sampling for Controlling Unknown Linear Diffusion Processes
von: Faradonbeh, Mohamad Kazem Shirani, et al.
Veröffentlicht: (2022)

Joint Learning of Linear Time-Invariant Dynamical Systems
von: Modi, Aditya, et al.
Veröffentlicht: (2021)

Thompson Sampling for Multi-Objective Linear Contextual Bandit
von: Park, Somangchan, et al.
Veröffentlicht: (2025)

Partially Observable Contextual Bandits with Linear Payoffs
von: Zeng, Sihan, et al.
Veröffentlicht: (2024)

On the Effect of Instability on Learning Continuous-Time Linear Control Systems
von: Hafshejani, Reza Sadeghi, et al.
Veröffentlicht: (2024)

Feel-Good Thompson Sampling for Contextual Dueling Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2024)

Linear Bandits with Partially Observable Features
von: Kim, Wonyoung, et al.
Veröffentlicht: (2025)

Variance-Aware Feel-Good Thompson Sampling for Contextual Bandits
von: Li, Xuheng, et al.
Veröffentlicht: (2025)

An Information-Theoretic Analysis of Thompson Sampling for Logistic Bandits
von: Gouverneur, Amaury, et al.
Veröffentlicht: (2024)

Thompson Sampling-like Algorithms for Stochastic Rising Bandits
von: Fiandri, Marco, et al.
Veröffentlicht: (2025)

PFN-TS: Thompson Sampling for Contextual Bandits via Prior-Data Fitted Networks
von: Tan, Yan Shuo, et al.
Veröffentlicht: (2026)

Thompson Sampling For Combinatorial Bandits: Polynomial Regret and Mismatched Sampling Paradox
von: Zhang, Raymond, et al.
Veröffentlicht: (2024)

Adaptive Prior Selection in Gaussian Process Bandits with Thompson Sampling
von: Sandberg, Jack, et al.
Veröffentlicht: (2025)

Feel-Good Thompson Sampling for Contextual Bandits: a Markov Chain Monte Carlo Showdown
von: Anand, Emile, et al.
Veröffentlicht: (2025)

A Bandit-Based Approach to Educational Recommender Systems: Contextual Thompson Sampling for Learner Skill Gain Optimization
von: De Kerpel, Lukas, et al.
Veröffentlicht: (2026)

Offline Contextual Bandit with Counterfactual Sample Identification
von: Gilotte, Alexandre, et al.
Veröffentlicht: (2025)

Contextual Thompson Sampling via Generation of Missing Data
von: Zhang, Kelly W., et al.
Veröffentlicht: (2025)

Thompson Sampling for Stochastic Bandits with Noisy Contexts: An Information-Theoretic Regret Analysis
von: Jose, Sharu Theresa, et al.
Veröffentlicht: (2024)

Bayesian Collaborative Bandits with Thompson Sampling for Improved Outreach in Maternal Health Program
von: Dasgupta, Arpan, et al.
Veröffentlicht: (2024)

Worst-Case Regret Bounds for Combinatorial Thompson Sampling in Sleeping Semi-Bandits
von: Huang, Zhiming, et al.
Veröffentlicht: (2026)

The Sample Complexity of Multiclass and Sparse Contextual Bandits
von: Erez, Liad, et al.
Veröffentlicht: (2026)

Generator-Mediated Bandits: Thompson Sampling for GenAI-Powered Adaptive Interventions
von: Brooks, Marc, et al.
Veröffentlicht: (2025)

Modified Meta-Thompson Sampling for Linear Bandits and Its Bayes Regret Analysis
von: Li, Hao, et al.
Veröffentlicht: (2024)

Improving Thompson Sampling via Information Relaxation for Budgeted Multi-armed Bandits
von: Jeong, Woojin, et al.
Veröffentlicht: (2024)

Contextual Scalarisation Thompson Sampling for multi-objective decisions in public media
von: Maëtz, Théo, et al.
Veröffentlicht: (2026)

Lagrangian Relaxation for Multi-Action Partially Observable Restless Bandits: Heuristic Policies and Indexability
von: Meshram, Rahul, et al.
Veröffentlicht: (2025)

Multi-User Contextual Cascading Bandits for Personalized Recommendation
von: Park, Jiho, et al.
Veröffentlicht: (2025)

Provable Anytime Ensemble Sampling Algorithms in Nonlinear Contextual Bandits
von: Sun, Jiazheng, et al.
Veröffentlicht: (2025)

Fast and Sample Efficient Multi-Task Representation Learning in Stochastic Contextual Bandits
von: Lin, Jiabin, et al.
Veröffentlicht: (2024)

Sparse Nonparametric Contextual Bandits
von: Flynn, Hamish, et al.
Veröffentlicht: (2025)

From Contextual Combinatorial Semi-Bandits to Bandit List Classification: Improved Sample Complexity with Sparse Rewards
von: Erez, Liad, et al.
Veröffentlicht: (2025)

Efficient Algorithms for Logistic Contextual Slate Bandits with Bandit Feedback
von: Goyal, Tanmay, et al.
Veröffentlicht: (2025)

Linear Contextual Bandits with Interference
von: Xu, Yang, et al.
Veröffentlicht: (2024)

Thompson Sampling for Repeated Newsvendor
von: Chen, Li, et al.
Veröffentlicht: (2025)

Constrained Linear Thompson Sampling
von: Gangrade, Aditya, et al.
Veröffentlicht: (2025)

Contextual Bandits for Unbounded Context Distributions
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Uncertainty of Joint Neural Contextual Bandit
von: Guo, Hongbo, et al.
Veröffentlicht: (2024)

Contextual Bandits with Stage-wise Constraints
von: Pacchiano, Aldo, et al.
Veröffentlicht: (2024)

Designing an Interpretable Interface for Contextual Bandits
von: Maher, Andrew, et al.
Veröffentlicht: (2024)

Neural Exploitation and Exploration of Contextual Bandits
von: Ban, Yikun, et al.
Veröffentlicht: (2023)