指数凹在线学习获维度最优动态遗憾界

Yanyi Li 等作者发表论文，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。