重尾噪声下无参数区间动态遗憾算法提出

Vaneet Aggarwal 发表论文，提出一种在重尾噪声下无需参数的在线凸优化算法。该研究针对每轮仅有一个无偏随机次梯度、且条件 p 阶噪声矩未知（1<p≤2）的情形，算法无需知道 G、σ、p、I、P_I，即可对任意长度 n 的固定区间 I 取得区间动态遗憾上界，同时保留均值梯度与噪声各自的指数项。 该分析在期望层面控制校准，其一般定理与基于非均匀先验的相对熵专家分布相比较，在给定统计量下区间代价为 1+log(T/n)，并包含最优的全时域静态速率。

AI 根据报道生成 · 14 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。