Authors · raw publication identity
Shinji Ito
2022–2026 LIVE
日本の大学への公開時点の所属を確認できた著者表記を掲載しています。大学IDと完全一致の著者名でまとめており、人物の名寄せはしていません。同名別人や表記違いの可能性があり、現在所属・全業績・研究者の総合順位を表すものではありません。
公開時所属: 東京大学 · Top conference papers: 19
印刷日： 全論文
出典：https://topcsuniv.org/japan/authors/acfee3eab29c018abf4b/
論文上の著者表記・公開時所属による集計です。人物の名寄せ・現在所属・全業績を表すものではありません。
分野別内訳
分野別の本数はcross-listにより重なる場合があります。合計本数は同一論文を1本に数えます。
論文一覧
- A Tight Lower Bound for Non-stochastic Multi-armed Bandits with Expert Advice
日本大学: 東京大学
- Adaptive Learning Rates with Surrogate Probability for Follow-the-Perturbed-Leader
- Adversarial Learning in Games with Bandit Feedback: Logarithmic Pure-Strategy Maximin Regret
日本大学: 東京大学
- Submodular Function Minimization with Dueling Oracle
日本大学: 東京大学
- A Perturbation Approach to Unconstrained Linear Bandits
日本大学: 東京大学
- Last-Iterate Convergence of Regularized Gradient Methods for Stochastic Monotone Variational Inequalities
- Corrupted Learning Dynamics in Games
日本大学: 東京大学
- Data-dependent Bounds with $T$-Optimal Best-of-Both-Worlds Guarantees in Multi-Armed Bandits using Stability-Penalty Matching
日本大学: 東京大学
- Instance-Dependent Regret Bounds for Learning Two-Player Zero-Sum Games with Bandit Feedback
日本大学: 東京大学
- Adapting to Stochastic and Adversarial Losses in Episodic MDPs with Aggregate Bandit Feedback
日本大学: 東京大学
- Optimal Dynamic Regret by Transformers for Non-Stationary Reinforcement Learning
日本大学: 東京大学
- Optimal Regret of Bandits under Differential Privacy
- Revisiting Follow-the-Perturbed-Leader with Unbounded Perturbations in Bandit Problems
- Adaptive Learning Rate for Follow-the-Regularized-Leader: Competitive Analysis and Best-of-Both-Worlds
- Follow-the-Perturbed-Leader with Fréchet-type Tail Distributions: Optimality in Adversarial Bandits and Best-of-Both-Worlds
- Exploration by Optimization with Hybrid Regularizers: Logarithmic Regret with Adversarial Robustness in Partial Monitoring
- A Simple and Adaptive Learning Rate for FTRL in Online Learning with Minimax Regret of $\Theta(T^{2/3})$ and its Application to Best-of-Both-Worlds
日本大学: 東京大学
- Fast Rates in Stochastic Online Convex Optimization by Exploiting the Curvature of Feasible Sets
日本大学: 東京大学
- On the Minimax Regret for Contextual Linear Bandits and Multi-Armed Bandits with Expert Advice
日本大学: 東京大学