实体
Vaneet Aggarwal
Vaneet Aggarwal
PulseAugur coverage of Vaneet Aggarwal — every cluster mentioning Vaneet Aggarwal across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新研究解决非单调 k-次模最大化问题
Vaneet Aggarwal 的一篇新研究论文介绍了一种用于非单调 k-次模最大化问题的新方法。该研究侧重于优化函数，其中元素可以被分配 k 个标签中的一个或不被选中，并受特定约束。该论文提出了随约束区域的“对角线水平”变化的近似系数，提供了一种依赖于几何的近似方法。
-
新优化框架推广了凹性和 DR-次模性
本文介绍了一个名为上可线性化/可二次化函数的新框架，它推广了凹性和 DR-次模性等概念。作者开发了一种元算法，可以将现有的线性或二次最大化算法转换为能够优化这些新型函数类型的算法。这种方法为解决 DR-次模优化问题提供了一种统一的方法，并扩展到各种反馈设置，改进了最先进的结果，并实现了动态和自适应遗憾保证。
-
新的韧性框架解决了具有噪声反馈的双标准优化问题
研究人员开发了一个新的框架，用于在面对噪声函数评估和强盗反馈时解决双标准组合优化问题。该框架引入了 $(\alpha,\beta,\delta,\texttt{N})$-韧性的概念，量化了目标和约束的近似保证在噪声下的退化程度。所提出的方法将有韧性的离线算法转换为双标准组合多臂强盗的在线算法，在不要求对噪声函数进行特定结构假设的情况下，实现了次线性遗憾和累积约束违反。