Többfegyveres banditák - elmélet és alkalmazások a hálózatokban történő online tanuláshoz

Eredeti címe:

Multi-Armed Bandits - Theory and Applications to Online Learning in Networks

Könyv tartalma:

A többkarú bandita problémák az optimális szekvenciális döntéshozatalra és az ismeretlen környezetben történő tanulásra vonatkoznak. A Thompson által 1933-ban a klinikai vizsgálatok alkalmazásával kapcsolatban felvetett első bandit-probléma óta a bandit-problémák több kutatóközösség tartós figyelmét élvezik, és a legkülönfélébb területeken széleskörű alkalmazásokat találtak.

Ez a könyv mind a bayesi, mind a frequentista banditproblémákkal kapcsolatos klasszikus eredményeket és legújabb fejlesztéseket tárgyalja. Az 1. fejezetben a bandit-problémák történetének rövid áttekintésével kezdünk, szembeállítjuk a két iskolát - a bayesi és a frequentista megközelítést -, és kiemeljük az alapvető eredményeket és a legfontosabb alkalmazásokat.

A 2. és 4. fejezet a Bayes-féle kanonikus és a frequentista bandit-modelleket tárgyalja.

A 3. és 5. fejezetben a kanonikus bandit-modellek főbb változatait tárgyaljuk, amelyek új irányokba vezetnek, új technikákat hoznak be, és kiszélesítik e klasszikus probléma alkalmazásait.

A 6. fejezetben számos reprezentatív alkalmazási példát mutatunk be a kommunikációs hálózatokra és a társadalmi-gazdasági rendszerekre vonatkozóan, azzal a céllal, hogy megvilágítsuk a banditproblémák bayesi és frequentista megfogalmazásai közötti kapcsolatokat, és hogy az egyikre vonatkozó strukturális eredmények hogyan használhatók fel a másik szerinti megoldások eléréséhez.