JMLR

Bayesian Inference of Contextual Bandit Policies via Empirical Likelihood

通过经验似然进行上下文老虎机策略的贝叶斯推断

Jiangrong Ouyang, Mingming Gong, Howard Bondell

机构 * School of Mathematics and Statistics University of Melbourne（数学与统计学学院墨尔本大学） 纠错

AI总结 本文提出了一种基于经验似然的贝叶斯推断方法，用于在有限样本条件下对多个上下文老虎机策略进行联合分析，实现了对策略比较的灵活推断和不确定性量化。

Comments Accepted for publication in JMLR

Online Bernstein-von Mises theorem

在线伯恩斯坦-冯-米塞定理

Jeyong Lee, Junhyeok Choi, Minwoo Chae

AI总结 本文提出了一种在线学习中的变分近似方法，证明在足够大的mini-batch大小下，逐步更新的后验与完整后验渐近等价。

Comments 124 pages, 1 figure (Accepted to the Journal of Machine Learning Research)

Nonparametric estimation of a factorizable density using diffusion models

非参数估计因子化密度的扩散模型

Hyeok Kyu Kwon, Dongha Kim, Ilsang Ohn, Minwoo Chae

AI总结 本文提出利用扩散模型进行非参数密度估计，通过因子化结构实现高维数据的高效估计。

Comments Accepted for publication in the Journal of Machine Learning Research (JMLR)