Proveditelná bayesovská optimalizace vícerukého bandity
Feasible Bayesian Multi-Armed Bandit Optimisation
dc.contributor.advisor | Kárný Miroslav | |
dc.contributor.author | Rolenec Filip | |
dc.date.accessioned | 2019-02-20T10:48:04Z | |
dc.date.available | 2019-02-20T10:48:04Z | |
dc.date.issued | 2018-08-30 | |
dc.identifier | KOS-695599812605 | |
dc.identifier.uri | http://hdl.handle.net/10467/79834 | |
dc.description.abstract | V této bakalářské práci se zabývám optimalizací rozhodovací strategie u procesů, které se označují jako diskrétní markovské rozhodovací procesy. Optimální strategie je dosaženo pomocí dynamického programování, přičemž pro model s neznámými parametry je k odhadům parametrů užito principů bayesovské statistiky. Práce se zabývá studiem rozvažovacího úsilí v modelu vícerukého bandity, přičemž naráží i na známý problém poznávání versus využití. Práce dále řeší exponenciální složitost algoritmu pro zisk optimální strategie pro proces s neznámými parametry metodou "m-krokové aproximace". Experimenty ukazují, že průměrnou střední hodnotu celkové odměny lze, při únosném nárůstu složitosti, vylepšit o jednotky procent. | cze |
dc.description.abstract | This bachelor’s thesis studies the optimal policy for processes that can be described as discrete Markov decision processes. The optimal strategy is obtained through the dynamic programming, while for the processes with unknown parameters the Bayesian statistics is used in addition. This work studies the role of deliberation eort in the multi-armed bandit optimisation problem and also tries to challenge the exploration vs exploitation problem. It copes with the problem of exponential complexity of the algorithm via a theory of "certainty equivalence" and "m-Step approximation". The experiments show that the expected reward can be increased by several percent, while sustaining reasonable requirements on the computing power. | eng |
dc.language.iso | ENG | |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html | eng |
dc.rights | Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html | cze |
dc.subject | Bayesovské odhadování,Dynamické programování,Diskrétní markovské rozhodovací procesy,Poznávání vs. využití,Rozvažovací úsilí,Víceruký bandita | cze |
dc.subject | Bayesian estimation,Deliberation eort,Discrete Markov decision processes,Dynamic programming,Exploration vs exploitation,Multi-armed bandit | eng |
dc.title | Proveditelná bayesovská optimalizace vícerukého bandity | cze |
dc.title | Feasible Bayesian Multi-Armed Bandit Optimisation | eng |
dc.type | bakalářská práce | cze |
dc.type | bachelor thesis | eng |
dc.date.accepted | 2018-09-04 | |
dc.contributor.referee | Derakhshan Siavash Fakhimi | |
theses.degree.discipline | Matematické inženýrství | cze |
theses.degree.grantor | katedra matematiky | cze |
theses.degree.programme | Aplikace přírodních věd | cze |
Soubory tohoto záznamu
Soubory | Velikost | Formát | Zobrazit |
---|---|---|---|
K tomuto záznamu nejsou připojeny žádné soubory. |
Tento záznam se objevuje v následujících kolekcích
-
Bakalářské práce - 14101 [308]