Buchumschlag

Efficient Clustering in Stochastic Bandits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chandran, G Dhinesh, Reddy, Kota Srinivas, Bhashyam, Srikrishna
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Online Clustering of Data Sequences with Bandit Information
von: Chandran, G Dhinesh, et al.
Veröffentlicht: (2025)

Sequential Spectral Clustering of Data Sequences
von: Chandran, G Dhinesh, et al.
Veröffentlicht: (2025)

Exponentially Consistent Nonparametric Linkage-Based Clustering of Data Sequences
von: Singh, Bhupender, et al.
Veröffentlicht: (2024)

On the Regret of Coded Caching with Adversarial Requests
von: Nayak, Anupam, et al.
Veröffentlicht: (2024)

Simultaneous Communication and Tracking using Fused Bistatic Measurements
von: M, Avinash, et al.
Veröffentlicht: (2024)

Fixed-Confidence Best Arm Identification with Decreasing Variance
von: Roychowdhury, Tamojeet, et al.
Veröffentlicht: (2025)

Stochastic Bandits for Egalitarian Assignment
von: Lim, Eugene, et al.
Veröffentlicht: (2024)

Stochastic Gradient Succeeds for Bandits
von: Mei, Jincheng, et al.
Veröffentlicht: (2024)

Bayesian Bandit Algorithms with Approximate Inference in Stochastic Linear Bandits
von: Huang, Ziyi, et al.
Veröffentlicht: (2024)

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

Are Stochastic Multi-objective Bandits Harder than Single-objective Bandits?
von: Guan, Changkun, et al.
Veröffentlicht: (2026)

Batched Stochastic Bandit for Nondegenerate Functions
von: Liu, Yu, et al.
Veröffentlicht: (2024)

Stochastic Bandits Robust to Adversarial Attacks
von: Wang, Xuchuang, et al.
Veröffentlicht: (2024)

Lipschitz Bandits with Stochastic Delayed Feedback
von: Liu, Zhongxuan, et al.
Veröffentlicht: (2025)

Demystifying Online Clustering of Bandits: Enhanced Exploration Under Stochastic and Smoothed Adversarial Contexts
von: Li, Zhuohua, et al.
Veröffentlicht: (2025)

Near-Optimal Regret for Efficient Stochastic Combinatorial Semi-Bandits
von: Ye, Zichun, et al.
Veröffentlicht: (2025)

Nonparametric Kernel Clustering with Bandit Feedback
von: Thuot, Victor, et al.
Veröffentlicht: (2026)

Stochastic $k$-Submodular Bandits with Full Bandit Feedback
von: Nie, Guanyu, et al.
Veröffentlicht: (2024)

Conformal-Style Quantile Analyses for Stochastic Bandits
von: Du, Chengyu, et al.
Veröffentlicht: (2026)

Active Learning for Stochastic Contextual Linear Bandits
von: Brunskill, Emma, et al.
Veröffentlicht: (2026)

Offline Local Search for Online Stochastic Bandits
von: Benadè, Gerdus, et al.
Veröffentlicht: (2026)

Stochastic Graph Bandit Learning with Side-Observations
von: Gong, Xueping, et al.
Veröffentlicht: (2023)

Stochastic Matching Bandits with Rare Optimization Updates
von: Kim, Jung-hun, et al.
Veröffentlicht: (2025)

Biased Dueling Bandits with Stochastic Delayed Feedback
von: Yi, Bongsoo, et al.
Veröffentlicht: (2024)

Best Arm Identification for Stochastic Rising Bandits
von: Mussi, Marco, et al.
Veröffentlicht: (2023)

Data-Dependent Smoothing for Protein Discovery with Walk-Jump Sampling
von: Anumasa, Srinivas, et al.
Veröffentlicht: (2025)

Online Clustering of Dueling Bandits
von: Wang, Zhiyong, et al.
Veröffentlicht: (2025)

Optimal Clustering with Bandit Feedback
von: Yang, Junwen, et al.
Veröffentlicht: (2022)

Meta Clustering of Neural Bandits
von: Ban, Yikun, et al.
Veröffentlicht: (2024)

Laplacian Score Sharpening for Mitigating Hallucination in Diffusion Models
von: C, Barath Chandran., et al.
Veröffentlicht: (2025)

Offline Clustering of Linear Bandits: The Power of Clusters under Limited Data
von: Liu, Jingyuan, et al.
Veröffentlicht: (2025)

Stochastic Multi-Armed Bandits with Limited Control Variates
von: Verma, Arun, et al.
Veröffentlicht: (2026)

Stochastic Online Conformal Prediction with Semi-Bandit Feedback
von: Ge, Haosen, et al.
Veröffentlicht: (2024)

Batch Ensemble for Variance Dependent Regret in Stochastic Bandits
von: Cassel, Asaf, et al.
Veröffentlicht: (2024)

Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions
von: Ghaffari, Fatemeh, et al.
Veröffentlicht: (2024)

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

Individual Regret in Cooperative Stochastic Multi-Armed Bandits
von: Barnea, Idan, et al.
Veröffentlicht: (2024)

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

Efficient and Interpretable Bandit Algorithms
von: Mukherjee, Subhojyoti, et al.
Veröffentlicht: (2023)

DOPL: Direct Online Preference Learning for Restless Bandits with Preference Feedback
von: Xiong, Guojun, et al.
Veröffentlicht: (2024)