Anpassungsfähigkeit und Nichtstationarität: Problemabhängige dynamische Regret-Garantien für Online-Konvexe Optimierung

Wir entwickeln neuartige Online-Algorithmen, die die Glattheit und Nichtstationarität von Verlustfunktionen ausnutzen können, um problemabhängige dynamische Regret-Garantien zu erzielen, die deutlich besser sind als die bisherigen minimax-optimalen Ergebnisse.