โจรควอนตัมหลายอาวุธ: การสำรวจกับการแสวงประโยชน์เมื่อเรียนรู้คุณสมบัติของสถานะควอนตัม

[1] T. Lattimore และ C. Szepesvári “อัลกอริทึมโจร”. สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์. (2020).
https://doi.org/10.1017/​9781108571401

[2] อ. สลิฟกินส์. “ความรู้เบื้องต้นเกี่ยวกับกลุ่มโจรติดอาวุธหลายมือ”. รากฐานและแนวโน้มในการเรียนรู้ของเครื่อง 12, 1–286 (2019)
https://doi.org/10.1561/​2200000068

[3] S. Bubeck และ N. Cesa-Bianchi “การวิเคราะห์ความเสียใจของปัญหาโจรติดอาวุธหลายกลุ่มทั้งแบบสุ่มและไม่สุ่ม” รากฐานและแนวโน้มในการเรียนรู้ของเครื่อง 5, 1–122 (2012)
https://doi.org/10.1561/​2200000024

[4] D. Bouneffouf, I. Rish และ C. Aggarwal “การสำรวจการใช้งานกลุ่มโจรหลายอาวุธและบริบท”. ในปี 2020 IEEE Congress on Evolutionary Computation (CEC) หน้า 1–8. (2020).
https://​doi.org/​10.1109/​CEC48606.2020.9185782

[5] L. Tang, R. Rosales, A. Singh และ D. Agarwal “การเลือกรูปแบบโฆษณาอัตโนมัติผ่านโจรตามบริบท” ในรายงานการประชุม ACM International Conference on Information and Knowledge Management ครั้งที่ 22 หน้า 1587–1594. สมาคมเพื่อคอมพิวเตอร์ (2013).
https://doi.org/10.1145/​2505515.2514700

[6] M. Cohen, I. Lobel และ R. Paes Leme “การกำหนดราคาแบบไดนามิกตามคุณลักษณะ” วิทยาการจัดการ 66, 4921–4943 (2020).
https://doi.org/10.1287/​mnsc.2019.3485

[7] ว. ทอมป์สัน. “ในความน่าจะเป็นที่ความน่าจะเป็นที่ไม่ทราบค่าหนึ่งมีค่ามากกว่าอีกค่าหนึ่งเมื่อพิจารณาจากหลักฐานของสองตัวอย่าง” Biometrika 25, 285–294 (1933)
https://​doi.org/​10.1093/​biomet/​25.3-4.285

[8] เอช. ร็อบบินส์ “ลักษณะบางประการของการออกแบบการทดลองตามลำดับ”. แถลงการณ์ของ American Mathematical Society 58, 527–535 (1952)
https:/​/​doi.org/​10.1090/​S0002-9904-1952-09620-8

[9] TL Lai และ H. Robbins “กฎการจัดสรรแบบปรับได้ที่มีประสิทธิภาพเชิงเส้นกำกับ” ความก้าวหน้าทางคณิตศาสตร์ประยุกต์ 6, 4–22 (1985).
https:/​/​doi.org/​10.1016/​0196-8858(85)90002-8

[10] P. Auer, N. Cesa-Bianchi และ P. Fischer “การวิเคราะห์ปัญหากลุ่มโจรหลายอาวุธแบบจำกัดเวลา”. เครื่องจักร เรียนรู้. 47, 235–256 (2002).
https://doi.org/​10.1023/​A:1013689704352

[11] B. Casale, G. Di Molfetta, H. Kadri, และ L. Ralaivola "กลุ่มโจรควอนตัม" ควอนตัมแมช อินเทล. 2 (2020).
https:/​/​doi.org/​10.1007/​s42484-020-00024-8

[12] D. Wang, X. You, T. Li และ A. Childs “อัลกอริธึมการสำรวจควอนตัมสำหรับกลุ่มโจรติดอาวุธ” ในรายงานการประชุม AAAI เรื่องปัญญาประดิษฐ์ เล่มที่ 35 หน้า 10102–10110 (2021).

[13] P. Rebentrost, Y. Hamoudi, M. Ray, X. Wang, S. Yang และ M. Santha “อัลกอริธึมควอนตัมสำหรับการป้องกันความเสี่ยงและการเรียนรู้แบบจำลองไอซิง” ฟิสิกส์ รายได้ ก 103, 012418 (2021)
https://doi.org/10.1103/​PhysRevA.103.012418

[14] โอชามีร์ “ความซับซ้อนของการเพิ่มประสิทธิภาพเชิงเส้นของโจร”. ใน รายงานการประชุมวิชาการทฤษฎีการเรียนรู้ ครั้งที่ 28. เล่มที่ 40 ของ Proceedings of Machine Learning Research, หน้า 1523–1551 พีเอ็มแอลอาร์ (2015).

[15] P. Rusmevichientong และ J. Tsitsiklis “กลุ่มโจรที่ปรับพารามิเตอร์เชิงเส้น”. คณิตศาสตร์วิจัยปฏิบัติการ 35 (2008).
https://doi.org/10.1287/​moor.1100.0446

[16] เจ. แบร์รี่, ดี.ที. แบร์รี่ และ เอส. แอรอนสัน “กระบวนการตัดสินใจมาร์คอฟที่สังเกตได้บางส่วนควอนตัม” ฟิสิกส์ รายได้ ก 90, 032311 (2014).
https://doi.org/10.1103/​PhysRevA.90.032311

[17] ม. หญิง, ย. เฟิง และ ส. หญิง “นโยบายที่เหมาะสมที่สุดสำหรับกระบวนการตัดสินใจของควอนตัมมาร์คอฟ” International Journal of Automation and Computing 18, 410–421 (2021)
https://doi.org/10.1007/​s11633-021-1278-z

[18] M. Paris และ J. Rehacek “การประมาณสถานะควอนตัม”. บริษัท สำนักพิมพ์สปริงเกอร์ จำกัด (2010). พิมพ์ครั้งที่ 1.
https://doi.org/​10.1007/​b98673

[19] ส.แอรอนสัน. "เอกซเรย์เงาของรัฐควอนตัม" ในการประชุมวิชาการ ACM SIGACT ประจำปีครั้งที่ 50 เรื่องทฤษฎีคอมพิวเตอร์ หน้า 325–338. STOC 2018. สมาคมเพื่อคอมพิวเตอร์ (2018).
https://doi.org/10.1145/​3188745.3188802

[20] S. Aaronson, X. Chen, E. Hazan, S. Kale และ A. Nayak “การเรียนรู้สถานะควอนตัมออนไลน์”. วารสารกลศาสตร์สถิติ: ทฤษฎีและการทดลอง 2019 (2018).
https://doi.org/10.1088/​1742-5468/​ab3988

[21] J. Bretagnolle และ C. Huber “Estimation des densités: risque minimax”. 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 และ M. Tomamichel “เกี่ยวกับเอนโทรปีของ Quantum Rényi: การวางแนวใหม่และคุณสมบัติบางอย่าง” วารสารคณิตศาสตร์ฟิสิกส์ 54, 122203 (2013).
https://doi.org/10.1063/​1.4838856

[23] M. Wilde, A. Winter และ D. Yang “การสนทนาที่แข็งแกร่งสำหรับความสามารถแบบคลาสสิกของการพัวพัน-การทำลายและแชนเนล Hadamard ผ่านเอนโทรปีสัมพัทธ์ Rényi แบบแซนด์วิช” การสื่อสารในฟิสิกส์คณิตศาสตร์ 331, 593–622 (2014)
https://doi.org/10.1007/​s00220-014-2122-x

[24] ว. โฮฟดิง. “อสมการความน่าจะเป็นสำหรับผลบวกของตัวแปรสุ่มที่มีขอบเขต”. วารสารสมาคมสถิติอเมริกัน 58, 13–30 (1963)
https://doi.org/10.1080/​01621459.1963.10500830

[25] พี. เออร์. “การใช้ขอบเขตความเชื่อมั่นสำหรับการแสวงหาผลประโยชน์-การสำรวจการแลกเปลี่ยน”. เจ มัค เรียนรู้. ความละเอียด 3, 397–422 (2003).
https://doi.org/10.5555/​944919.944941

[26] D. Varsha, T. Hayes และ S.Kakade “การเพิ่มประสิทธิภาพเชิงเส้นสุ่มภายใต้ความคิดเห็นของโจร” ใน รายงานการประชุมวิชาการทฤษฎีการเรียนรู้ ครั้งที่ 21. หน้า 355–366. (2008).

[27] พี. รุสเมวิเชียรทอง และ เจ.เอ็น. ซิตซิคลิส. “กลุ่มโจรที่ปรับพารามิเตอร์เชิงเส้น”. คณิตศาสตร์วิจัยปฏิบัติการ 35, 395–411 (2010).
https://doi.org/10.1287/​moor.1100.0446

[28] Y. Abbasi-Yadkori, D. Pál และ Cs. เซเปสวารี. “ปรับปรุงอัลกอริทึมสำหรับโจรสุ่มเชิงเส้น” ในความก้าวหน้าในระบบประมวลผลข้อมูลประสาท เล่มที่ 24 Curran Associates, Inc. (2011)

[29] ที.แอล.ลาย. “การจัดสรรการรักษาแบบปรับตัวกับปัญหากลุ่มโจรติดอาวุธ”. พงศาวดารของสถิติ 15, 1091 – 1114 (1987)
https://doi.org/10.1214/​aos/​1176350495

[30] M. Guţă, J. Kahn, R. Kueng และ JA Tropp “การตรวจเอกซเรย์แบบด่วนที่มีขอบเขตข้อผิดพลาดที่เหมาะสมที่สุด” วารสารฟิสิกส์ A: คณิตศาสตร์และทฤษฎี 53, 204001 (2020).
https://doi.org/10.1088/​1751-8121/​ab8111

[31] T. Lattimore และ B. Hao “การดึงเฟสโจร”. ในความก้าวหน้าในระบบประมวลผลข้อมูลประสาท เล่มที่ 34 หน้า 18801–18811 Curran Associates, Inc. (2021)