least-squares recovery

新的非参数框架增强了随机优化中的可扩展学习

研究人员为随机优化（SO）问题开发了一个新颖的非参数框架，特别解决了对自适应控制和机器学习至关重要的时变场景。这种基于Malliavin微积分的新方法，为具有随机决策的SO建立了非参数最优性条件。它能够创建一个名为随机路径跟随器（SPF）的可扩展深度学习算法，该算法在参数化维度上表现出鲁棒性，并在分布漂移下的最小二乘恢复和逻辑回归任务中优于现有方法。