预算支出与学习的最优配速算法

研究针对对抗环境下的预算约束在线学习，提出了面向任意预算配速专家类的全信息算法，建立了近最优悔流界（regret bounds）。对于包含 $F$ 个专家的类别，该算法对累积支出距离在 $D$ 以内的专家实现 $O(D \sqrt{\log F}+ \sqrt{T\log F})$ 悔流并匹配理论下界。