Deep Learning with Logged Bandit Feedback

计算机科学 深层神经网络 随机梯度下降算法 反事实思维 正规化(语言学) 深度学习 人工智能 估计员 人工神经网络 差异(会计) 缩小 经验风险最小化 机器学习 推荐系统 数学 统计 程序设计语言 业务 哲学 会计 认识论
作者
Thorsten Joachims,Adith Swaminathan,Maarten de Rijke
摘要

We propose a new output layer for deep neural networks that permits the use of logged contextual bandit feedback for training. Such contextual bandit feedback can be available in huge quantities (e.g., logs of search engines, recommender systems) at little cost, opening up a path for training deep networks on orders of magnitude more data. To this effect, we propose a Counterfactual Risk Minimization (CRM) approach for training deep networks using an equivariant empirical risk estimator with variance regularization, BanditNet, and show how the resulting objective can be decomposed in a way that allows Stochastic Gradient Descent (SGD) training. We empirically demonstrate the effectiveness of the method by showing how deep networks — ResNets in particular — can be trained for object recognition without conventionally labeled images.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
淡烟流水发布了新的文献求助10
刚刚
刚刚
小李发布了新的文献求助30
1秒前
汉堡包应助明芬采纳,获得30
1秒前
爆米花应助彭栋采纳,获得10
1秒前
2秒前
2秒前
MeiyanZou完成签到 ,获得积分10
2秒前
5秒前
5秒前
潇湘雪月发布了新的文献求助10
6秒前
6秒前
6秒前
7秒前
感动黄豆发布了新的文献求助10
7秒前
hhhblabla应助东方红采纳,获得10
9秒前
Poker应助sb采纳,获得10
10秒前
Ginger发布了新的文献求助10
10秒前
吃骨头的猫完成签到,获得积分10
10秒前
小李完成签到,获得积分10
10秒前
10秒前
11秒前
明芬发布了新的文献求助30
13秒前
13秒前
Smile完成签到,获得积分10
13秒前
Chaoe完成签到,获得积分10
16秒前
建国发布了新的文献求助10
17秒前
闪闪w发布了新的文献求助10
20秒前
淡烟流水完成签到,获得积分10
20秒前
俏皮芷蕊完成签到,获得积分10
21秒前
完美世界应助忐忑的阑香采纳,获得10
21秒前
华仔应助兴奋千兰采纳,获得10
26秒前
Ginger完成签到,获得积分10
27秒前
潇湘雪月发布了新的文献求助10
30秒前
科研通AI5应助科研通管家采纳,获得10
32秒前
32秒前
佳琳有乐完成签到,获得积分10
32秒前
32秒前
小蘑菇应助科研通管家采纳,获得10
32秒前
大模型应助科研通管家采纳,获得10
32秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
‘Unruly’ Children: Historical Fieldnotes and Learning Morality in a Taiwan Village (New Departures in Anthropology) 400
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989115
求助须知:如何正确求助?哪些是违规求助? 3531367
关于积分的说明 11253688
捐赠科研通 3269986
什么是DOI,文献DOI怎么找? 1804868
邀请新用户注册赠送积分活动 882078
科研通“疑难数据库(出版商)”最低求助积分说明 809105