Buchumschlag

Thompson Sampling for Repeated Newsvendor

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Li, Qin, Hanzhang, Xu, Yunbei, Zhu, Ruihao, Zhang, Weizhou
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Pareto Optimality for Parametric Choice Bandits
von: Zuo, Jierui, et al.
Veröffentlicht: (2025)

Closing the Gaps: Optimality of Sample Average Approximation for Data-Driven Newsvendor Problems
von: Lyu, Jiameng, et al.
Veröffentlicht: (2024)

Upper Counterfactual Confidence Bounds: a New Optimism Principle for Contextual Bandits
von: Xu, Yunbei, et al.
Veröffentlicht: (2020)

Deep Generative Demand Learning for Newsvendor and Pricing
von: Gong, Shijin, et al.
Veröffentlicht: (2024)

Survey of Data-driven Newsvendor: Unified Analysis and Spectrum of Achievable Regrets
von: Chen, Zhuoxin, et al.
Veröffentlicht: (2024)

Sample-Mean Anchored Thompson Sampling for Offline-to-Online Learning with Distribution Shift
von: Li, Bochao, et al.
Veröffentlicht: (2026)

The Data-Driven Censored Newsvendor Problem
von: Hssaine, Chamsi, et al.
Veröffentlicht: (2024)

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

Pointwise Generalization in Deep Neural Networks
von: Li, Shaojie, et al.
Veröffentlicht: (2026)

Statistical Properties of Robust Satisficing
von: Li, Zhiyi, et al.
Veröffentlicht: (2024)

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

Bayesian Design Principles for Frequentist Sequential Learning
von: Xu, Yunbei, et al.
Veröffentlicht: (2023)

Distilled Thompson Sampling: Practical and Efficient Thompson Sampling via Imitation Learning
von: Namkoong, Hongseok, et al.
Veröffentlicht: (2020)

Autoregressive Learning in Joint KL: Sharp Oracle Bounds and Lower Bounds
von: Xu, Yunbei, et al.
Veröffentlicht: (2026)

On the Power of Adaptivity for $\varepsilon$-Best Arm Identification in Linear Bandits
von: Maiti, Arnab, et al.
Veröffentlicht: (2026)

Regenerative Particle Thompson Sampling
von: Zhou, Zeyu, et al.
Veröffentlicht: (2022)

Robust Thompson Sampling Algorithms Against Reward Poisoning Attacks
von: Xu, Yinglun, et al.
Veröffentlicht: (2024)

Adaptive Data Augmentation for Thompson Sampling
von: Kim, Wonyoung
Veröffentlicht: (2025)

A Broader View of Thompson Sampling
von: Qu, Yanlin, et al.
Veröffentlicht: (2025)

Stochastically Constrained Best Arm Identification with Thompson Sampling
von: Yang, Le, et al.
Veröffentlicht: (2025)

Understanding the Transferability of Representations via Task-Relatedness
von: Mehra, Akshay, et al.
Veröffentlicht: (2023)

Test-time Assessment of a Model's Performance on Unseen Domains via Optimal Transport
von: Mehra, Akshay, et al.
Veröffentlicht: (2024)

Risk-Aware Linear Bandits: Theory and Applications in Smart Order Routing
von: Ji, Jingwei, et al.
Veröffentlicht: (2022)

Graph Neural Thompson Sampling
von: Wu, Shuang, et al.
Veröffentlicht: (2024)

Epsilon-Greedy Thompson Sampling to Bayesian Optimization
von: Do, Bach, et al.
Veröffentlicht: (2024)

Gaussian Process Thompson Sampling via Rootfinding
von: Adebiyi, Taiwo A., et al.
Veröffentlicht: (2024)

Learning When to Restart: Nonstationary Newsvendor from Uncensored to Censored Demand
von: Chen, Xin, et al.
Veröffentlicht: (2025)

Is Thompson Sampling Susceptible to Algorithmic Collusion?
von: Xiong, Yi, et al.
Veröffentlicht: (2024)

BFTS: Thompson Sampling with Bayesian Additive Regression Trees
von: Deng, Ruizhe, et al.
Veröffentlicht: (2026)

Fast, Precise Thompson Sampling for Bayesian Optimization
von: Sweet, David
Veröffentlicht: (2024)

Thompson Sampling in Partially Observable Contextual Bandits
von: Park, Hongju, et al.
Veröffentlicht: (2024)

Online Learning of Decision Trees with Thompson Sampling
von: Chaouki, Ayman, et al.
Veröffentlicht: (2024)

On Regret Bounds of Thompson Sampling for Bayesian Optimization
von: Takeno, Shion, et al.
Veröffentlicht: (2026)

EVA-0: Test-Time Model Evolution with Only Two Forward Passes per Sample
von: Chen, Guohao, et al.
Veröffentlicht: (2026)

A Conformal Approach to Feature-based Newsvendor under Model Misspecification
von: Cao, Junyu
Veröffentlicht: (2024)

What is the Value of Censored Data? An Exact Analysis for the Data-driven Newsvendor
von: Kumar, Rachitesh, et al.
Veröffentlicht: (2026)

Contextual Online Pricing with (Biased) Offline Data
von: Zhang, Yixuan, et al.
Veröffentlicht: (2025)

On the Peril of (Even a Little) Nonstationarity in Satisficing Regret Minimization
von: Zhang, Yixuan, et al.
Veröffentlicht: (2026)

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

Online Resource Allocation with Non-Stationary Customers
von: Zhang, Xiaoyue, et al.
Veröffentlicht: (2024)