arXiv cs.LG· Yanyi Li, Wendao Wu, Haihan Zhang, Qinshi Wang, Chenheng Zhang, Chunyuan Zheng, Cong Fang, Haoxuan Li, Zhouchen Lin·· 7 小时前AI 评分12
指数凹在线学习中的维度最优动态遗憾
Dimension-Optimal Dynamic Regret in Exp-Concave Online Learning
AI 导读
研究解决了指数凹在线学习中维度最优代价的未解问题，证明维度因子为 d^{1/3}，优于近期切换与区间归约方法的 d^{2/3}。所提出的全信息学习器在固定维度无关的直径、梯度和曲率参数下，遗憾上界为 Õ(d+min{d^{1/3}T^{1/3}P_T^{2/3},√(TP_T),T})，并在直径为一的欧氏球上给出匹配下界，确立 T≳d² 时的 minimax 前沿。
来源：arXiv cs.LG · arxiv.org