在线非凸学习：跟随扰动领导者是最优的
机器学习
2019-09-24 v2 最优化与控制
机器学习
摘要
我们研究具有非凸损失的在线学习问题，其中学习器可访问一个离线优化预言机。我们表明，经典的跟随扰动领导者（FTPL）算法在该设定下达到了的最优后悔率。这改进了先前FTPL已知最佳后悔率。我们进一步表明，当学习器遇到的损失序列具有“可预测性”时，FTPL的一种乐观变体取得了更好的后悔界。
引用
@article{arxiv.1903.08110,
title = {Online Non-Convex Learning: Following the Perturbed Leader is Optimal},
author = {Arun Sai Suggala and Praneeth Netrapalli},
journal= {arXiv preprint arXiv:1903.08110},
year = {2019}
}