实体
Ofir Schlisselberg
Ofir Schlisselberg
PulseAugur coverage of Ofir Schlisselberg — every cluster mentioning Ofir Schlisselberg across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究详细介绍了在线镜像下降中的近似成本
一篇新论文探讨了在线镜像下降（OMD）中近似误差的影响，OMD是优化和机器学习的核心算法。研究揭示了所用正则化器的平滑度与算法对这些误差的鲁棒性之间存在复杂的关联。具体来说，虽然均匀平滑的正则化器对超额遗憾有严格的界限，但像单纯形上的负熵这样的障碍正则化器对近似误差很敏感，需要指数级小的误差才能避免线性遗憾。然而，负熵在单纯形上的随机损失下可以恢复鲁棒性，尽管这种好处并不适用于所有子集。
-
新算法解决了具有部分对抗性转移的强化学习问题
研究人员开发了用于在具有部分对抗性转移的环境中进行强化学习的新算法。这些算法利用“条件占用度量”来维持跨回合的稳定性，即使在特定点面临对抗性行为时也是如此。与现有方法相比，所提出的方法实现了改进的遗憾界限，其中一种算法提供的遗憾减少消除了识别对抗性步骤的需要。