BriefGPT - AI 论文速递
·
带有延迟反馈的强化学习优化中的改进后悔度
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种在线牛顿步骤算法，适用于广泛实际损失函数。研究了二阶赌博算法在具有仿射结构的损失函数中的应用。解决了赌博LQR/LQG问题。证明了BCO与内存问题更难，给出了遗憾界的下界。
🎯
关键要点
-
介绍了一种在线牛顿步骤算法，适用于κ-凸的凸函数。
-
该算法在广泛实际损失函数中具有最优的遗憾界。
-
研究了二阶赌博算法在具有仿射结构的损失函数中的应用。
-
解决了完全敌对噪声模型下的赌博LQR/LQG问题。
-
证明了BCO与内存问题更难，导出了T^{2/3}遗憾界的下界。
🏷️
