( en | de | ru )

 

Disambiguierung von "Perrault, Pierre"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Covariance-adapting algorithm for semi-bandits with application to sparse outcomes.

, , und . COLT, Volume 125 von Proceedings of Machine Learning Research, Seite 3152-3184. PMLR, (2020)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Anna Perrault

Pierre Mattern

Pierre Gottschlich

Pierre Mangold

Pierre Venet

 

Weitere Publikationen von Autoren mit dem selben Namen

Demonstration-Regularized RL., , , , , , , und . CoRR, (2023)When Combinatorial Thompson Sampling meets Approximation Regret.. CoRR, (2023)Covariance-adapting algorithm for semi-bandits with application to sparse outcomes., , und . COLT, Volume 125 von Proceedings of Machine Learning Research, Seite 3152-3184. PMLR, (2020)Finding the bandit in a graph: Sequential search-and-stop., , und . AISTATS, Volume 89 von Proceedings of Machine Learning Research, Seite 1668-1677. PMLR, (2019)Exploiting structure of uncertainty for efficient matroid semi-bandits., , und . ICML, Volume 97 von Proceedings of Machine Learning Research, Seite 5123-5132. PMLR, (2019)When Combinatorial Thompson Sampling meets Approximation Regret.. NeurIPS, (2022)Statistical Efficiency of Thompson Sampling for Combinatorial Semi-Bandits., , , und . NeurIPS, (2020)Fast Rates for Maximum Entropy Exploration., , , , , , , , , und . ICML, Volume 202 von Proceedings of Machine Learning Research, Seite 34161-34221. PMLR, (2023)Efficient Learning in Stochastic Combinatorial Semi-Bandits. (Apprentissage Efficient dans les Problèmes de Semi-Bandits Stochastiques Combinatoires).. Paris-Saclay University, France, (2020)Budgeted Online Influence Maximization., , , und . ICML, Volume 119 von Proceedings of Machine Learning Research, Seite 7620-7631. PMLR, (2020)