মাল্টি-আর্মড কোয়ান্টাম দস্যু: কোয়ান্টাম স্টেটের বৈশিষ্ট্য শেখার সময় অনুসন্ধান বনাম শোষণ

[1] T. Lattimore এবং C. Szepesvári. "দস্যু অ্যালগরিদম"। ক্যামব্রিজ ইউনিভার্সিটি প্রেস. (2020)।
https: / / doi.org/ 10.1017 / 9781108571401

[2] উঃ স্লিভকিন্স। "মাল্টি-আর্মড দস্যুদের ভূমিকা"। মেশিন লার্নিং এর ভিত্তি এবং প্রবণতা 12, 1–286 (2019)।
https: / / doi.org/ 10.1561 / 2200000068

[3] এস. বুবেক এবং এন. সেসা-বিয়ানচি। "স্টকাস্টিক এবং ননস্টোকাস্টিক মাল্টি-আর্মড দস্যু সমস্যার অনুশোচনা বিশ্লেষণ"। মেশিন লার্নিং এর ভিত্তি এবং প্রবণতা 5, 1–122 (2012)।
https: / / doi.org/ 10.1561 / 2200000024

[4] ডি. বাউনেফুফ, আই. রিশ এবং সি. আগরওয়াল। "মাল্টি-আর্মড এবং প্রাসঙ্গিক দস্যুদের অ্যাপ্লিকেশনের উপর সমীক্ষা"। 2020 সালে IEEE কংগ্রেস অন ইভোলিউশনারি কম্পিউটেশন (CEC)। পৃষ্ঠা 1-8। (2020)।
https://​/​doi.org/​10.1109/​CEC48606.2020.9185782

[5] এল. ট্যাং, আর. রোজালেস, এ. সিং, এবং ডি. আগরওয়াল। "প্রসঙ্গিক দস্যুদের মাধ্যমে স্বয়ংক্রিয় বিজ্ঞাপন বিন্যাস নির্বাচন"। তথ্য ও জ্ঞান ব্যবস্থাপনার উপর 22 তম ACM আন্তর্জাতিক সম্মেলনের কার্যক্রমে। পৃষ্ঠা 1587-1594। অ্যাসোসিয়েশন ফর কম্পিউটিং মেশিনারি (2013)।
https: / / doi.org/ 10.1145 / 2505515.2514700

[6] এম. কোহেন, আই. লোবেল এবং আর. পেস লেমে। "বৈশিষ্ট্য-ভিত্তিক গতিশীল মূল্য"। ব্যবস্থাপনা বিজ্ঞান 66, 4921–4943 (2020)।
https://​doi.org/​10.1287/​mnsc.2019.3485

[7] ডব্লিউ থম্পসন। "দুটি নমুনার প্রমাণের পরিপ্রেক্ষিতে একটি অজানা সম্ভাবনা অন্যটিকে ছাড়িয়ে যাওয়ার সম্ভাবনার উপর"। বায়োমেট্রিকা 25, 285–294 (1933)।
https://​/​doi.org/​10.1093/​biomet/​25.3-4.285

[8] এইচ. রবিন্স। "পরীক্ষার অনুক্রমিক নকশার কিছু দিক"। আমেরিকান ম্যাথমেটিকাল সোসাইটির বুলেটিন 58, 527–535 (1952)।
https:/​/​doi.org/​10.1090/​S0002-9904-1952-09620-8

[9] টিএল লাই এবং এইচ. রবিন্স। "অসিম্পটটিকভাবে দক্ষ অভিযোজিত বরাদ্দ নিয়ম"। ফলিত গণিতে অগ্রগতি 6, 4-22 (1985)।
https:/​/​doi.org/​10.1016/​0196-8858(85)90002-8

[10] P. Auer, N. Cesa-Bianchi, এবং P. ফিশার। "মাল্টিআর্মড দস্যু সমস্যার সীমাবদ্ধ-সময় বিশ্লেষণ"। মাখ। শিখুন। 47, 235-256 (2002)।
https://​doi.org/​10.1023/​A:1013689704352

[11] B. Casale, G. Di Molfetta, H. Kadri, , এবং L. Ralaivola. "কোয়ান্টাম দস্যু"। কোয়ান্টাম মাক। বুদ্ধি। 2 (2020)।
https:/​/​doi.org/​10.1007/​s42484-020-00024-8

[12] D. Wang, X. You, T. Li, এবং A. Childs. "মাল্টি-আর্মড দস্যুদের জন্য কোয়ান্টাম অনুসন্ধান অ্যালগরিদম"। কৃত্রিম বুদ্ধিমত্তা সম্পর্কিত AAAI সম্মেলনের কার্যপ্রণালীতে। ভলিউম 35, পৃষ্ঠা 10102-10110। (2021)।

[13] P. Rebentrost, Y. Hamoudi, M. Ray, X. Wang, S. Yang, এবং M. Santha. "হেজিং এবং ইসিং মডেল শেখার জন্য কোয়ান্টাম অ্যালগরিদম"। ফিজ। Rev. A 103, 012418 (2021)।
https: / / doi.org/ 10.1103 / ফিজারিভা 103.012418

[14] ও. শামির। "দস্যু রৈখিক অপ্টিমাইজেশানের জটিলতার উপর"। লার্নিং থিওরির উপর 28তম সম্মেলনের কার্যপ্রণালীতে। প্রসিডিংস অফ মেশিন লার্নিং রিসার্চের ভলিউম 40, পৃষ্ঠা 1523-1551। PMLR (2015)।

[15] পি. রুসমেভিচিয়েন্টং এবং জে. সিটসিক্লিস। "লিনিয়ারলি প্যারামিটারাইজড দস্যু"। অপারেশন রিসার্চের গণিত 35 (2008)।
https://​doi.org/​10.1287/​moor.1100.0446

[16] জে. ব্যারি, ডিটি ব্যারি এবং এস. অ্যারনসন। "কোয়ান্টাম আংশিকভাবে পর্যবেক্ষণযোগ্য মার্কভ সিদ্ধান্ত প্রক্রিয়া"। ফিজ। Rev. A 90, 032311 (2014)।
https: / / doi.org/ 10.1103 / ফিজারিভা 90.032311

[17] এম. ইং, ওয়াই ফেং এবং এস. ইং। "কোয়ান্টাম মার্কভ সিদ্ধান্ত প্রক্রিয়ার জন্য সর্বোত্তম নীতি"। ইন্টারন্যাশনাল জার্নাল অফ অটোমেশন অ্যান্ড কম্পিউটিং 18, 410–421 (2021)।
https://​doi.org/​10.1007/​s11633-021-1278-z

[18] এম. প্যারিস এবং জে. রেহাসেক। "কোয়ান্টাম রাষ্ট্র অনুমান"। স্প্রিংগার পাবলিশিং কোম্পানি, ইনকর্পোরেটেড। (2010)। ১ম সংস্করণ।
https://​doi.org/​10.1007/​b98673

[19] এস. অ্যারনসন। "কোয়ান্টাম অবস্থার ছায়া টমোগ্রাফি"। কম্পিউটিং তত্ত্বের উপর 50 তম বার্ষিক ACM SIGACT সিম্পোজিয়ামের কার্যপ্রণালীতে। পৃষ্ঠা 325-338। STOC 2018. অ্যাসোসিয়েশন ফর কম্পিউটিং মেশিনারি (2018)।
https: / / doi.org/ 10.1145 / 3188745.3188802

[20] এস. অ্যারনসন, এক্স. চেন, ই. হাজান, এস. কালে, এবং এ. নায়ক। "কোয়ান্টাম অবস্থার অনলাইন শিক্ষা"। জার্নাল অফ স্ট্যাটিসটিক্যাল মেকানিক্স: থিওরি অ্যান্ড এক্সপেরিমেন্ট 2019 (2018)।
https://​doi.org/​10.1088/​1742-5468/​ab3988

[21] J. Bretagnolle এবং C. Huber. "আনুমানিক ঘনত্ব: ঝুঁকি মিনিম্যাক্স"। Zeitschrift für Wahrscheinlichkeitstheorie und verwandte Gebiete 47, 119–137 (1979)।
https: / / doi.org/ 10.1007 / BF00535278

[22] M. Müller-Lennert, F. Dupuis, O. Szehr, S. Fehr, এবং M. Tomamichel. "কোয়ান্টাম রেনি এনট্রপিস: একটি নতুন সাধারণীকরণ এবং কিছু বৈশিষ্ট্য"। জার্নাল অফ ম্যাথমেটিকাল ফিজিক্স 54, 122203 (2013)।
https: / / doi.org/ 10.1063 / 1.4838856

[23] এম. ওয়াইল্ড, এ. উইন্টার এবং ডি. ইয়াং। "স্যান্ডউইচড রেনি রিলেটিভ এনট্রপির মাধ্যমে এনট্যাঙ্গলমেন্ট-ব্রেকিং এবং হাদামার্ড চ্যানেলের ক্লাসিক্যাল ক্যাপাসিটির জন্য শক্তিশালী কথোপকথন"। গাণিতিক পদার্থবিদ্যায় যোগাযোগ 331, 593–622 (2014)।
https://​doi.org/​10.1007/​s00220-014-2122-x

[24] W. Hoeffding. "বাউন্ডেড এলোমেলো ভেরিয়েবলের যোগফলের জন্য সম্ভাব্যতা অসমতা"। আমেরিকান স্ট্যাটিস্টিক্যাল অ্যাসোসিয়েশনের জার্নাল 58, 13–30 (1963)।
https: / / doi.org/ 10.1080 / 01621459.1963.10500830

[25] P. Auer. "শোষণ-অন্বেষণ বাণিজ্য-অফের জন্য আস্থার সীমানা ব্যবহার করা"। জে. মাক। শিখুন। Res. 3, 397-422 (2003)।
https: / / doi.org/ 10.5555 / 944919.944941

[26] ডি. বর্ষা, টি. হেইস, এবং এস. কাকদে। "দস্যু প্রতিক্রিয়ার অধীনে স্টকাস্টিক লিনিয়ার অপ্টিমাইজেশান।" শেখার তত্ত্বের উপর 21 তম সম্মেলনের কার্যপ্রণালীতে। পৃষ্ঠা 355-366। (2008)।

[27] P. Rusmevichientong এবং JN Tsitsiklis. "লিনিয়ারলি প্যারামিটারাইজড দস্যু"। অপারেশন রিসার্চের গণিত 35, 395–411 (2010)।
https://​doi.org/​10.1287/​moor.1100.0446

[28] ওয়াই. আব্বাসি-ইয়াদকোরি, ডি. পাল, এবং সিএস। সেপেস্বারি "রৈখিক স্টোকাস্টিক দস্যুদের জন্য উন্নত অ্যালগরিদম"। নিউরাল ইনফরমেশন প্রসেসিং সিস্টেমে অগ্রগতি। ভলিউম 24. Curran Associates, Inc. (2011)।

[29] টিএল লাই। "অভিযোজিত চিকিত্সা বরাদ্দ এবং মাল্টি-আর্মড দস্যু সমস্যা"। পরিসংখ্যানের ইতিহাস 15, 1091 – 1114 (1987)।
https://​doi.org/​10.1214/​aos/​1176350495

[30] এম. গুতা, জে. কান, আর. কুয়েং, এবং জেএ ট্রপ। "অনুকূল ত্রুটি সীমার সাথে দ্রুত রাষ্ট্র টমোগ্রাফি"। পদার্থবিজ্ঞানের জার্নাল A: গাণিতিক এবং তাত্ত্বিক 53, 204001 (2020)।
https://​doi.org/​10.1088/​1751-8121/​ab8111

[31] T. Lattimore এবং B. Hao. "দস্যু পর্যায় পুনরুদ্ধার"। নিউরাল ইনফরমেশন প্রসেসিং সিস্টেমে অগ্রগতি। ভলিউম 34, পৃষ্ঠা 18801-18811। Curran Associates, Inc. (2021)।