मल्टी-आर्म्ड क्वांटम बैंडिट्स: एक्सप्लोरेशन बनाम शोषण जब क्वांटम स्टेट्स के गुण सीखते हैं

[1] टी. लट्टीमोर और सी. ज़ेपेश्वरी। "बैंडिट एल्गोरिदम"। कैम्ब्रिज यूनिवर्सिटी प्रेस. (2020)।
https: / / doi.org/ 10.1017 / १.१३,९४,२०८

[2] ए। स्लिवकिंस। "बहु-सशस्त्र डाकुओं का परिचय"। मशीन लर्निंग 12, 1–286 (2019) में नींव और रुझान।
https: / / doi.org/ 10.1561 / १.१३,९४,२०८

[3] एस. बुबेक और एन. सेसा-बियांची। "स्टोकेस्टिक और नॉनस्टोचैस्टिक मल्टी-आर्म्ड बैंडिट समस्याओं का खेद विश्लेषण"। मशीन लर्निंग 5, 1-122 (2012) में नींव और रुझान।
https: / / doi.org/ 10.1561 / १.१३,९४,२०८

[4] डी. बाउनेफौफ, आई. रिश, और सी. अग्रवाल। "बहु-सशस्त्र और प्रासंगिक डाकुओं के अनुप्रयोगों पर सर्वेक्षण"। 2020 में IEEE कांग्रेस ऑन इवोल्यूशनरी कंप्यूटेशन (CEC)। पेज 1-8. (2020)।
https:////doi.org/10.1109/CEC48606.2020.9185782

[5] एल. तांग, आर. रोज़लेस, ए. सिंह, और डी. अग्रवाल। "प्रासंगिक डाकुओं के माध्यम से स्वचालित विज्ञापन प्रारूप चयन"। सूचना और ज्ञान प्रबंधन पर 22वें एसीएम अंतर्राष्ट्रीय सम्मेलन की कार्यवाही में। पृष्ठ 1587-1594। कम्प्यूटिंग मशीनरी के लिए एसोसिएशन (2013)।
https: / / doi.org/ 10.1145 / १.१३,९४,२०८

[6] एम. कोहेन, आई. लोबेल, और आर. पेस लेमे। "फीचर-आधारित गतिशील मूल्य निर्धारण"। प्रबंधन विज्ञान 66, 4921–4943 (2020)।
https: / / doi.org/ 10.1287 / mnsc.2019.3485

[7] डब्ल्यू थॉम्पसन। "इस संभावना पर कि दो नमूनों के साक्ष्य के मद्देनजर एक अज्ञात संभाव्यता दूसरे से अधिक है"। बायोमेट्रिका 25, 285–294 (1933)।
https://doi.org/10.1093/​बायोमेट/25.3-4.285

[8] एच रॉबिन्स। "प्रयोगों के अनुक्रमिक डिजाइन के कुछ पहलू"। अमेरिकन मैथमेटिकल सोसाइटी का बुलेटिन 58, 527–535 (1952)।
https:/​/​doi.org/​10.1090/​S0002-9904-1952-09620-8

[9] टीएल लाइ और एच. रॉबिन्स। "असामयिक रूप से कुशल अनुकूली आवंटन नियम"। अनुप्रयुक्त गणित में अग्रिम 6, 4–22 (1985)।
https:/​/​doi.org/​10.1016/​0196-8858(85)90002-8

[10] पी. औएर, एन. सेसा-बियांची, और पी. फिशर। "मल्टी-आर्म्ड बैंडिट समस्या का परिमित-समय विश्लेषण"। मच। सीखना। 47, 235–256 (2002)।
https: / / doi.org/ 10.1023 / A: 1013689704352

[11] बी. कासाले, जी. डि मोल्फ़ेटा, एच. कादरी, और एल. रैलाइवोला। "क्वांटम बैंडिट्स"। क्वांटम मच। इंटेल। 2 (2020)।
https:/​/​doi.org/​10.1007/​s42484-020-00024-8

[12] डी. वैंग, एक्स. यू, टी. ली, और ए. चिल्ड्स। "मल्टी-आर्म्ड बैंडिट्स के लिए क्वांटम एक्सप्लोरेशन एल्गोरिदम"। आर्टिफिशियल इंटेलिजेंस पर एएएआई सम्मेलन की कार्यवाही में। खंड 35, पृष्ठ 10102–10110। (2021)।

[13] पी. रेबेंट्रोस्ट, वाई. हमौदी, एम. रे, एक्स. वांग, एस. यांग, और एम. संथा। "क्वांटम एल्गोरिदम हेजिंग और आइसिंग मॉडल के सीखने के लिए"। भौतिक। रेव ए 103, 012418 (2021)।
https: / / doi.org/ 10.1103 / PhysRevA.103.012418

[14] ओ शमीर। "बैंडिट रैखिक अनुकूलन की जटिलता पर"। लर्निंग थ्योरी पर 28वें सम्मेलन की कार्यवाही में। मशीन लर्निंग रिसर्च की कार्यवाही का खंड 40, पृष्ठ 1523-1551। पीएमएलआर (2015)।

[15] पी. रुस्मेविचिएंटोंग और जे. सितसिक्लिस। "रैखिक रूप से परिचालित डाकुओं"। संचालन अनुसंधान का गणित 35 (2008)।
https: / / doi.org/ 10.1287 / moor.1100.0446

[16] जे. बैरी, डीटी बैरी, और एस. आरोनसन। "क्वांटम आंशिक रूप से देखने योग्य मार्कोव निर्णय प्रक्रियाएं"। भौतिक। रेव। ए 90, 032311 (2014)।
https: / / doi.org/ 10.1103 / PhysRevA.90.032311

[17] एम यिंग, वाई फेंग, और एस यिंग। "क्वांटम मार्कोव निर्णय प्रक्रियाओं के लिए इष्टतम नीतियां"। इंटरनेशनल जर्नल ऑफ ऑटोमेशन एंड कंप्यूटिंग 18, 410-421 (2021)।
https: / / doi.org/ 10.1007 / s11633-021-1278-z

[18] एम. पेरिस और जे. रेहासेक। "क्वांटम राज्य अनुमान"। स्प्रिंगर पब्लिशिंग कंपनी, निगमित। (2010)। पहला संस्करण।
https: / / doi.org/ 10.1007 / b98673

[19] एस आरोनसन। "क्वांटम राज्यों की छाया टोमोग्राफी"। कम्प्यूटिंग के सिद्धांत पर 50वें वार्षिक ACM SIGACT संगोष्ठी की कार्यवाही में। पृष्ठ 325-338। STOC 2018. कंप्यूटिंग मशीनरी एसोसिएशन (2018)।
https: / / doi.org/ 10.1145 / १.१३,९४,२०८

[20] एस. आरोनसन, एक्स. चेन, ई. हजान, एस. काले, और ए. नायक। "क्वांटम राज्यों की ऑनलाइन शिक्षा"। जर्नल ऑफ़ स्टैटिस्टिकल मैकेनिक्स: थ्योरी एंड एक्सपेरिमेंट 2019 (2018)।
https: / / doi.org/ 10.1088 / 1742-5468 / ab3988

[21] जे. ब्रेटाग्नोल और सी. ह्यूबर। "एस्टीमेशन डेस डेंसिटेस: रिस्क मिनिमैक्स"। Zeitschrift फर Wahrscheinlichkeitstheorie und verwandte Gebiete 47, 119–137 (1979)।
https: / / doi.org/ 10.1007 / BF00535278

[22] एम. मुलर-लेनर्ट, एफ. डुपोइस, ओ. स्जेहर, एस. फेहर, और एम. टॉमामिकेल। "क्वांटम रेनी एन्ट्रॉपीज़ पर: एक नया सामान्यीकरण और कुछ गुण"। गणितीय भौतिकी जर्नल 54, 122203 (2013)।
https: / / doi.org/ 10.1063 / १.१३,९४,२०८

[23] एम. वाइल्ड, ए. विंटर, और डी. यांग। "सैंडविच्ड रेनी रिलेटिव एंट्रॉपी के माध्यम से एंटैंगलमेंट-ब्रेकिंग और हैडमार्ड चैनल्स की शास्त्रीय क्षमता के लिए मजबूत बातचीत"। गणितीय भौतिकी में संचार 331, 593–622 (2014)।
https: / / doi.org/ 10.1007 / s00220-014-2122-x

[24] डब्ल्यू होफडिंग। "संभवत: बंधित यादृच्छिक परिवर्तों की राशियों के लिए असमानताएं"। जर्नल ऑफ़ द अमेरिकन स्टैटिस्टिकल एसोसिएशन 58, 13–30 (1963)।
https: / / doi.org/ 10.1080 / १.१३,९४,२०८

[25] पी। और। "शोषण-अन्वेषण व्यापार-नापसंद के लिए विश्वास सीमा का उपयोग करना"। जे मच। सीखना। रेस। 3, 397–422 (2003)।
https: / / doi.org/ 10.5555 / १.१३,९४,२०८

[26] डी. वर्षा, टी. हेस, और एस. काकडे। "बैंडिट फीडबैक के तहत स्टोकेस्टिक लीनियर ऑप्टिमाइज़ेशन।"। लर्निंग थ्योरी पर 21वें सम्मेलन की कार्यवाही में। पृष्ठ 355-366। (2008)।

[27] पी रुस्मेविचिएंटोंग और जेएन त्सित्सिकलिस। "रैखिक रूप से परिचालित डाकुओं"। संचालन अनुसंधान का गणित 35, 395–411 (2010)।
https: / / doi.org/ 10.1287 / moor.1100.0446

[28] वाई. अब्बासी-यादकोरी, डी. पाल, और सी.एस. ज़ेपेश्वरी। "रैखिक स्टोचैस्टिक बैंडिट्स के लिए बेहतर एल्गोरिदम"। तंत्रिका सूचना प्रसंस्करण प्रणालियों में अग्रिम। वॉल्यूम 24. कुरान एसोसिएट्स, इंक। (2011)।

[29] टी एल लाइ। "अनुकूली उपचार आवंटन और मल्टी-आर्म्ड बैंडिट समस्या"। सांख्यिकी के इतिहास 15, 1091 - 1114 (1987)।
https: / / doi.org/ 10.1214 / AOS / +११७६३४९८३०

[30] एम. गुओ, जे. कान, आर. कुएंग, और जेए ट्रॉप। "इष्टतम त्रुटि सीमा के साथ फास्ट स्टेट टोमोग्राफी"। जर्नल ऑफ फिजिक्स ए: गणितीय और सैद्धांतिक 53, 204001 (2020)।
https: / / doi.org/ 10.1088 / 1751-8121 / ab8111

[31] टी. लट्टीमोर और बी. हाओ। "बैंडिट चरण पुनर्प्राप्ति"। तंत्रिका सूचना प्रसंस्करण प्रणालियों में अग्रिम। खंड 34, पृष्ठ 18801-18811। कुरान एसोसिएट्स, इंक। (2021)।