Peng Zhao
PulseAugur coverage of Peng Zhao — every cluster mentioning Peng Zhao across labs, papers, and developer communities, ranked by signal.
-
新研究以新方法解决在线学习中的动态遗憾问题 · 跟踪3个来源
三篇新研究论文探讨了在线学习中的动态遗憾最小化问题。第一篇论文侧重于针对弯曲损失和Adam等自适应优化器的FTRL（Follow-the-Regularized-Leader）方法，提出了一种简化证明并提供新保证的约简。第二篇论文引入了一个用于具有指示器切换成本的动态遗憾的元学习框架，实现了跟踪分段常数比较器的最小最大最优界。第三篇论文分析了上下文线性优化中遗憾的曲率，推导了一个闭式度量，并展示了其在电池套利任务中将遗憾提高30.8%的应用。
-
新的arXiv论文推进了多臂老虎机算法和遗憾最小化
arXiv上发表的多篇研究论文探讨了多臂老虎机算法的进展。其中一篇论文解决了具有遗忘对手的老虎机的最优切换遗憾问题，提出了一种无论切换次数如何都能实现最优遗憾的单一算法。另一项研究侧重于在随机半老虎机环境中选择具有最小最长路径长度的k条路径，这与并行数据传输相关。进一步的研究调查了具有任意自适应动作集的线性上下文老虎机，实现了近乎最小最大最优的遗憾界限。此外，论文还深入研究了具有探测和获胜反馈的老虎机设置、满意遗憾最小化以及非单调凸脊…
-
新算法为在线学习提供改进的遗憾界限
一篇新研究论文介绍了用于无约束在线学习的算法，这些算法提供了改进的遗憾界限。这些算法是无参数的，并基于梯度变化实现保证，而无需事先了解比较器范数或 Lipschitz 常数等参数。研究结果扩展到动态遗憾，并比先前结果有了显著改进，特别是在随机扩展对抗模型方面。
-
新算法LightONS提高了在线指数凹函数优化的效率
研究人员开发了LightONS，一种用于在线指数凹函数优化的新算法，该算法在保持最优遗憾界限的同时，显著提高了计算效率。与标准的在线牛顿步（ONS）算法不同，ONS算法由于频繁的马氏投影可能计算量很大，而LightONS将这些投影推迟到必要时才进行。这种优化减少了整体运行时间，并解决了随机指数凹函数优化中的一个开放性问题。