Série de séminaires sur l'IA 2022 : Binghshan Hu

Le AI Seminar est une réunion hebdomadaire à l'Université de l'Alberta où les chercheurs intéressés par l'intelligence artificielle (AI) peuvent partager leurs recherches. Les présentateurs comprennent à la fois des conférenciers locaux de l'Université de l'Alberta et des visiteurs d'autres institutions. Les sujets peuvent être liés de quelque manière que ce soit à l'intelligence artificielle, qu'il s'agisse de travaux théoriques fondamentaux ou d'applications novatrices de techniques d'IA à de nouveaux domaines et problèmes.

Le 21 janvier, Binghshan Hu - boursier postdoctoral de l'Amii - a présenté "(Near)-optimal Regret Bound for Differentially Private Thompson Sampling" au séminaire d'IA.

Un problème de bandit à plusieurs bras est un problème classique de prise de décision séquentielle dans lequel l'objectif est d'accumuler autant de récompenses que possible. Dans ce modèle d'apprentissage, seule une quantité limitée d'informations est révélée à chaque tour. Le modèle de rétroaction imparfaite place l'algorithme d'apprentissage dans un dilemme entre l'exploration (obtenir des informations) et l'exploitation (accumuler des récompenses). L'échantillonnage de Thompson est l'un des algorithmes d'apprentissage classiques qui permet de trouver un bon équilibre entre l'exploration et l'exploitation, et ses performances empiriques sont toujours très compétitives. Dans l'apprentissage non privé standard, l'algorithme d'apprentissage peut toujours accéder à la véritable information révélée pour prendre des décisions futures. Cependant, si les informations révélées concernent des individus, les décisions prises par l'algorithme d'apprentissage ne doivent pas s'appuyer sur les véritables informations révélées afin de préserver la vie privée. Dans cet exposé, Hu présente un algorithme basé sur l'échantillonnage de Thompson, DP-TS, pour les bandits stochastiques privés. La limite supérieure de regret pour DP-TS correspond à la limite inférieure de regret découverte jusqu'à un facteur loglogT supplémentaire.

Regardez la présentation complète ci-dessous :

Tenez-vous au courant de la série de séminaires sur l'IA en vous inscrivant à la liste de diffusion.

Découvrez comment Amii fait progresser la recherche de pointe en matière d'intelligence artificielle et d'apprentissage automatique : visitez notre site Web. Recherche page.