改进在线学习算法，消除对数对数项以提升性能

A Note on How to Remove the $\ln\ln T$ Term from the Squint Bound

• 用先验调整方法替换原算法中的修正项
• 成功去除Squint算法数据无关界中的ln ln T因子
• 适合研究自适应学习与在线优化的学者

在Orabona和Pál（2016）中，我们引入了移位KT势函数，以消除无参数专家学习界中的ln ln T因子。本文为一篇简短的技术笔记，表明该方法等价于改变Krichevsky-Trofimov算法中的先验分布。随后，我展示如何将这一思想应用于Squint算法，从而消除其数据无关界中的ln ln T项。

原文摘要 · Abstract (English)

In Orabona and Pál [2016], we introduced the shifted KT potentials, to remove the $\ln \ln T$ factor in the parameter-free learning with expert bound. In this short technical note, I show that this is equivalent to changing the prior in the Krichevsky--Trofimov algorithm. Then, I show how to use the same idea to remove the $\ln \ln T$ factor in the data-independent bound for the Squint algorithm.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。