【摘 要】
：
在线核选择旨在给出在线核学习每回合的最优核,是在线核学习的基础性和关键性问题。在线核选择问题可归约为专家建议框架问题,其中专家集对应候选核集;每回合,根据专家的权重
【基金项目】
：
国家自然科学基金No. 61673293
论文部分内容阅读
在线核选择旨在给出在线核学习每回合的最优核,是在线核学习的基础性和关键性问题。在线核选择问题可归约为专家建议框架问题,其中专家集对应候选核集;每回合,根据专家的权重及专家的建议给出预测结果,并更新专家的权重。基于这一归约,在改进已有后悔界的同时,提出期望在线核选择的概念,并应用专家建议框架与度量任务系统的统一框架,给出期望在线核选择问题的后悔界和竞争比,并证明该竞争比在损失拓展情况下是稳定的。最后,给出结合在线核学习方法的竞争比。该项工作全面推广了在线核选择的概念,在统一框架下,不仅可以得到亚线性后悔界,
其他文献
传统的工业机器人编程方式对从业人员的编程水平提出了较高的要求,并且编程周期较长,难以满足多品种、小批量、短周期的生产要求。因此,基于演示学习(LfD)的机器人编程技术的
随着我国基金业的不断发展,开放式基金已经成为越来越多人证券投资的一个重要工具,而如何挑选优秀的的基金经理则成为众多投资者关注的焦点。本文提供了一个全新的角度——基
当前,古诗句生成任务大多基于单一的循环神经网络(RNN)结构,在生成时需事先给定一个起始字,然后以该起始字为基础进行古诗句生成,生成过程的可控性较差,往往达不到预期效果。
声子玻尔兹曼输运方程(BTE)可以有效地模拟介观尺度下的导热问题,相比于随机性方法,以有限体积法为代表的确定性方法求解声子BTE方程被认为更有希望解决工程实际问题。但是有
自然语言生成SQL查询不仅是构建智能数据库查询系统的一个重要组成部分,亦是新型供电轨道交通系统混合时态大数据个性化运维的难点之一。目前利用深度学习模型的方法专注于数
将深度与演化算法结合,提出一种深度演化算法,即群竞争合作优化(GCCO)算法。首先引入生物群模型来模拟群体搜索猎物的自然现象,算法通过多步迭代可简单实现优化问题求解。在
本研究通过实证证明B2C环境下互动性通过感知卖家帮助意愿对初始信任起正向影响作用，其中背信规避对这一中介效应起调节作用。首先，本研究通过文献回顾界定感知互动性、初始信
突发性公共卫生事件是当今世界各国普遍面临的问题。这些事件都将不同程度地影响到人们的生命健康及国家和地区的社会安全和稳定。突发事件的妥善处理,不仅有赖于训练有素的
<正> 一、前言声表面波滤波器(SAWF)是声表面波(SAW)器件的基础和先驱。它是目前正在探索的40种重要SAW器件中最成熟的一种,也是应用最广泛、使用数量最大的一种。自从1969年
近年来卷积神经网络在广泛的应用中取得了优秀的表现,但巨大的资源消耗量使得其应用于移动端和嵌入式设备成为了挑战。为了解决此类问题,需要对网络模型在大小、速度和准确度