对数损失下量子态在线学习的遗憾下界与层析应用

Yen-Huan Li 和 Wei-Fu Tseng 在 arXiv 论文（2610.21273）中针对对数损失下的量子态在线学习建立了遗憾下界，证明 Exponential Weights 与 Tseng 等人（2025）算法的遗憾率在维度上的多项式依赖是最优的。该问题被描述为在线投资组合选择的量子推广。 据论文摘要，由下界证明进一步导出一个样本量上近最优（相差对数因子）的量子态层析算法，以及一个矩阵值随机变量均值的置信序列算法；数值实验显示后一个算法与现有方法具有竞争力。以上结论基于论文摘要，尚未经独立验证。

AI 根据报道生成 · 1 天前更新