arXiv 发布重尾噪声下无参数区间动态遗憾研究

研究者 Vaneet Aggarwal 在 arXiv 提交一篇在线凸优化论文，研究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，提出一种无需 G、σ、p、I、P_I 等参数的学习器，对任意长度 n 的固定区间 I 取得区间遗憾上界，并同时保留均值梯度与噪声两个独立指数。 论文称，区间自适应仅增加比较器复杂度，代价为 1+log(T/n)，涵盖最优全时域静态速率；一项测度变换下界在显式条件下刻画出保留全时域最优保证时该对数项的噪声幂次。

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。