跳到正文
原文
arXiv stat.ML· Angelos Assos, Anand Brahmbhatt, Elad Hazan·· 19 天前AI 评分26

在线凸优化中追踪少量专家的遗憾界与计算复杂度研究

Tracking a Small Set of Experts in Online Convex Optimization

AI 导读

研究针对连续动作空间在线凸优化中追踪仅在 $m$ 个专家间切换 $k$ 次的比较基准问题,证明了信息论最优与多项式时间可达遗憾界之间的计算复杂度分离。虽然离散化动作空间可实现 $\widetilde{O}(md+k)$ 的非高效算法,但在超图植入团猜想下,任意多项式时间算法的遗憾界至少为 $(k\sqrt d)^{1-o(1)}$。

来源:arXiv stat.ML · arxiv.org