arXiv · Machine Learning Theory· Vaneet Aggarwal·· 16 小时前AI 评分16
重尾噪声下的无参数区间动态遗憾界
Parameter-Free Interval-Dynamic Regret under Heavy-Tailed Noise
AI 导读
该论文研究每轮仅获得一个无偏随机次梯度、条件 p 阶噪声矩未知（1<p≤2）的在线凸优化问题，给出对任意固定区间 I 的期望遗憾上界。学习器不使用 G、σ、p、I、P_I，常数为通用值；区间自适应仅增加比较器复杂度，保留均值梯度与噪声的独立指数。分析还给出相对熵依赖非均匀先验的通用定理、1+log(T/n) 的区间代价及变化测度下界。
来源：arXiv · Machine Learning Theory · arxiv.org