新方法利用子空间近似解决RKHS中的动态遗憾问题

作者 PulseAugur 编辑部 · [2 个来源] · 2026-04-27 21:53

研究人员开发了一种新的方法，用于再生核希尔伯特空间（RKHS）中的在线回归，该方法解决了动态遗憾问题。该方法通过子空间近似将有限维技术应用于RKHS设置。该方法包括在固定子空间内针对不同的折扣因子运行一组折扣预测器，并通过核截面的投影误差来管理近似误差。 AI

影响为RKHS中的动态遗憾问题引入了新颖的理论框架，可能改进在线学习算法。

排序理由这是一篇详细介绍一种新的在线回归理论方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Dmitry B. Rokhlin, Georgiy A. Karapetyants · 2026-04-29 04:00

通过折扣VAW和子空间近似在RKHS中实现在线回归的动态遗憾

arXiv:2604.25021v1 Announce Type: new Abstract: We study online regression with the square loss in a reproducing kernel Hilbert space under a dynamic regret criterion. The learner is compared with a time-varying comparator sequence, and the bounds depend on its path length in the…
arXiv cs.LG TIER_1 English(EN) · Georgiy A. Karapetyants · 2026-04-27 21:53

通过折扣VAW和子空间近似在RKHS中实现在线回归的动态遗憾

We study online regression with the square loss in a reproducing kernel Hilbert space under a dynamic regret criterion. The learner is compared with a time-varying comparator sequence, and the bounds depend on its path length in the RKHS norm. The proposed method transfers the fi…