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 哲学 会计 认识论 业务 程序设计语言
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.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
LMY发布了新的文献求助10
2秒前
肉肉完成签到,获得积分10
2秒前
yueshao完成签到,获得积分10
3秒前
suye发布了新的文献求助10
4秒前
浅辰发布了新的文献求助10
4秒前
5秒前
田様应助整齐的忆彤采纳,获得10
7秒前
可爱的函函应助123采纳,获得10
7秒前
7秒前
顾矜应助LMY采纳,获得10
7秒前
柳叶发布了新的文献求助10
8秒前
典雅发箍完成签到 ,获得积分10
10秒前
1376发布了新的文献求助10
11秒前
孤独蘑菇发布了新的文献求助10
12秒前
ho发布了新的文献求助30
14秒前
ND给ND的求助进行了留言
15秒前
今后应助suye采纳,获得10
16秒前
俭朴太阳完成签到,获得积分20
16秒前
Akim应助mm采纳,获得10
18秒前
翟世昂完成签到,获得积分20
20秒前
20秒前
21秒前
123完成签到,获得积分20
22秒前
23秒前
领导范儿应助高会和采纳,获得10
23秒前
所所应助干就完了采纳,获得10
24秒前
25秒前
不加糖发布了新的文献求助30
25秒前
科研通AI6.4应助翟世昂采纳,获得10
25秒前
26秒前
牛马小刘完成签到 ,获得积分10
27秒前
28秒前
28秒前
29秒前
李希完成签到 ,获得积分10
29秒前
敏感的熊猫完成签到 ,获得积分10
30秒前
zhou完成签到,获得积分10
30秒前
小五完成签到 ,获得积分10
32秒前
One发布了新的文献求助10
33秒前
NexusExplorer应助李晨源采纳,获得10
33秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Lewis’s Child and Adolescent Psychiatry: A Comprehensive Textbook Sixth Edition 2000
Continuing Syntax 1000
Encyclopedia of Quaternary Science Reference Work • Third edition • 2025 800
Signals, Systems, and Signal Processing 510
Pharma R&D Annual Review 2026 500
荧光膀胱镜诊治膀胱癌 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6217061
求助须知:如何正确求助?哪些是违规求助? 8042349
关于积分的说明 16763825
捐赠科研通 5304343
什么是DOI,文献DOI怎么找? 2826013
邀请新用户注册赠送积分活动 1804211
关于科研通互助平台的介绍 1664181