研究人员开发了一种使用 bandit 反馈的在线子模量最小化新方法,该方法旨在随时间跟踪移动的最小化器。这种新方法利用了基于 Lovász 扩展的零阶预言机,并对扰动点和基点进行了评估。该方法在一般情况下建立了 O((1+sqrt(P*_N))N^3/4) 阶的动态遗憾界,在特定漂移条件下建立了 O((1+sqrt(P*_N))N^2/3) 阶的动态遗憾界,在数值上优于现有算法。 AI
影响 引入了一种新的在线子模量最小化方法,具有改进的动态遗憾界,有可能在动态环境中推进优化技术。
排序理由 该集群包含一篇提交到 arXiv 的研究论文,详细介绍了一种新的算法方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Amir Ali Farzin
- arXiv
- arXivLabs
- Bandit Online Submodular Minimisation Using Zeroth-Order Oracles
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hazan and Kale (2012)
- Hugging Face
- Lovász extension
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →