研究人员开发了一种新的混合博弈策略，该策略结合了Robbins和Cover的工作元素，以实现自适应遗憾界限。这种新颖的方法在几乎所有数据路径上都表现出$O(\ln \ln n)$的遗憾，与现有方法相比性能有所提高。该策略还为对抗性数据提供了保护，实现了“两全其美”的自适应性。这项工作与之前关于亚高斯混合的研究结果形成对比，突显了对不同策略进行对冲以获得最佳性能的好处。 AI
影响 引入了一种新颖的博弈策略，在自适应和对抗性数据场景中具有改进的遗憾界限。
排序理由 学术论文，详细介绍了在机器学习中实现遗憾最小化的新颖理论贡献。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
