研究人员开发了一种新的线性动力学系统（LDS）在线学习统一算法。该算法旨在实现亚线性遗憾，同时将其内存使用量调整为适应系统动力学的内在复杂性，而不是完整的隐藏状态维度。重点是具有低不稳定性复杂性的系统，这些系统是可稳定化的。所提出的算法处理所有LDS，包括不可对角化系统，其可学习参数数量为$\widetilde{O}(k)$，其中$k$代表不稳定性复杂性。理论下界证实$k$是一个有效的复杂性度量，实验结果表明其性能优于先前的方法。 AI
影响 这项研究可能导致更有效的方法来控制和预测复杂的动态系统，可能影响机器人和控制理论等领域。
排序理由 该集群包含一篇详细介绍特定机器学习问题新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.02050v1 Announce Type: new Abstract: Motivated by the challenge of stabilizing a general unknown linear dynamical system (LDS) from observations, we study the natural prerequisite of online prediction. Our goal is to achieve sublinear regret with a memory footprint tha…
Motivated by the challenge of stabilizing a general unknown linear dynamical system (LDS) from observations, we study the natural prerequisite of online prediction. Our goal is to achieve sublinear regret with a memory footprint that adapts to the intrinsic complexity of the dyna…