针对切换预言机的一般可混合损失的最优与高效算法
机器学习
2021-08-17 v1 机器学习
摘要
我们研究了在线学习问题，近年来因其从机器学习到博弈论等广泛领域的适用性而受到显著关注。具体而言，我们研究动态环境中可混合损失函数的在线优化。我们引入了在线混合方案，其渐近地达到了切换预言机最佳动态估计序列的性能，且具有最优遗憾冗余。我们所竞争的该最佳动态估计序列是在后见之明中通过损失函数的完全观测选定的，并允许在不同时间间隔（段）中选择不同的最优估计。我们在工作中提出了两种混合。首先，我们提出了一种具有多项式时间复杂度的可处理算法，能够实现难以处理的暴力搜索方法的最优冗余。其次，我们提出了一种对数时间复杂度的高效算法，能够达到最优冗余，直至一个常数倍率差距。我们的结果以保证在强确定性意义下以个体序列方式成立。
引用
@article{arxiv.2108.06411,
title = {Optimal and Efficient Algorithms for General Mixable Losses against Switching Oracles},
author = {Kaan Gokcesu and Hakan Gokcesu},
journal= {arXiv preprint arXiv:2108.06411},
year = {2021}
}