Bandits and Online Learning

本テーマでは、オンライン環境で意思決定を行い、その結果として得られるフィードバックをもとに学習するアルゴリズムを扱う。特に、部分的なフィードバックしか得られない状況や、環境が時間とともに変化する状況においても、安定した学習を実現することを目指す。

研究の焦点

#

• 部分的なフィードバックからどのように効率的に学習できるか
• 時間変化する環境下で、安定した学習をどのように実現するか