arXiv · ML· Shiliang Zuo·· 23 小时前AI 评分22
有序专家在线学习中的双点反馈研究
Online Learning with Ordered Experts (via Two-point Feedback)
AI 导读
该研究探讨有序动作空间下的对抗在线学习，针对双点反馈设定，分别在分离单调与有界变差（BV）问题中获得最优遗憾界。 具体表现为分离单调问题遗憾为 O(log(|F|T)√(Tlog|F|))，BV 问题为 Õ(√T+|F|)，两者均接近全信息基准。 文章将该技术应用于动态定价，证明双选项菜单在多项式因子内匹配全信息速率，核心技术为保持边际的端点流估计器。
来源：arXiv · ML · arxiv.org