在线凸优化下的在线次模最大化
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了针对连续次模函数类的在线优化过程，包括Frank-Wolfe算法的变体和在线随机梯度上升算法。证明了两种算法具有O（T的平方根）的遗憾界，并将结果推广到γ-弱次模函数。演示了算法的效率在几个问题实例上。
🏷️
