Banditi Multi-Armati - Teoria e applicazioni all'apprendimento online in rete

Titolo originale:

Multi-Armed Bandits - Theory and Applications to Online Learning in Networks

Contenuto del libro:

I problemi del bandito a più braccia riguardano il processo decisionale sequenziale ottimale e l'apprendimento in ambienti sconosciuti. Fin dal primo problema del bandito posto da Thompson nel 1933 per l'applicazione dei test clinici, i problemi del bandito hanno goduto di un'attenzione duratura da parte di diverse comunità di ricerca e hanno trovato un'ampia gamma di applicazioni in diversi ambiti.

Questo libro copre i risultati classici e gli sviluppi recenti dei problemi banditi sia bayesiani che frequentisti. Nel Capitolo 1 iniziamo con una breve panoramica sulla storia dei problemi banditi, contrapponendo le due scuole di approcci - bayesiano e frequentista - ed evidenziando i risultati fondamentali e le applicazioni chiave. I capitoli 2 e 4 trattano, rispettivamente, i modelli di bandit bayesiani e frequentisti canonici.

Nei capitoli 3 e 5 vengono discusse le principali varianti dei modelli banditi canonici che portano a nuove direzioni, introducono nuove tecniche e ampliano le applicazioni di questo problema classico. Nel Capitolo 6 presentiamo diversi esempi applicativi rappresentativi nelle reti di comunicazione e nei sistemi socio-economici, con l'obiettivo di illuminare le connessioni tra le formulazioni bayesiane e frequentiste dei problemi di bandit e come i risultati strutturali relativi all'una possano essere sfruttati per ottenere soluzioni nell'ambito dell'altra.