多腕バンディット問題 — UCBとThompson Sampling
あなたがカジノで3台のスロットマシン（腕=arm）の前に立っているとします。各マ...
探索と活用のトレードオフ — 強化学習の根本的ジレンマ
あなたが新しい街に引っ越してきたとします。昼食のレストランを選ぶとき、2つの戦略...