Authors · raw publication identity
Junya Honda
2022–2026 LIVE
データの修正を申請Googleログイン後に申請できます。内容を確認してから対応します。
対象会議の検証済み掲載データを、全分野・選択したEditionでまとめています。過去の論文は出版・論文種別・著者との対応を確認できたものから追加しており、全発表論文の網羅を保証するものではありません。著者ページだけへの追加分は大学ランキングの件数に含みません。著者ページは、公開時の所属大学IDと論文上の著者名の完全一致を基に作成しています。本人の業績一覧などで同一人物の論文と個別に確認できた場合は、所属が異なる論文も追加します。氏名だけの自動名寄せは行いません。表示する大学はこのページの識別用で、掲載した全論文の出版時所属や現在所属を示すものではありません。研究者の総合順位を表すものでもありません。
著者ページの大学: 京都大学 · Top conference papers: 15
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（新しい年順）
- Adaptive Learning Rates with Surrogate Probability for Follow-the-Perturbed-Leader
- Learning Periodic Strategies in Blocking Bandits Is as Hard as Bandits with Switching Costs
- Geometric Resampling in Nearly Linear Time for Follow-the-Perturbed-Leader with Best-of-Both-Worlds Guarantee in Bandit Problems
- Optimal Estimation of the Best Mean in Multi-Armed Bandits
- 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
- Learning with Posterior Sampling for Revenue Management under Time-varying Demand
- Optimality of Thompson Sampling with Noninformative Priors for Pareto Bandits
- Stability-penalty-adaptive follow-the-regularized-leader: Sparsity, game-dependency, and best-of-both-worlds
- Adversarially Robust Multi-Armed Bandit Algorithm with Variance-Dependent Regret Bounds
- Minimax Optimal Algorithms for Fixed-Budget Best Arm Identification
- Nearly Optimal Best-of-Both-Worlds Algorithms for Online Learning with Feedback Graphs