محققان در مقالهای جدید، الگوریتم نوآورانهای به نام HT-PAder را معرفی کردهاند که گامی بزرگ برای حل مسائل «بهینهسازی محدب آنلاین» (OCO) در محیطهای غیرایستا و پرنویز محسوب میشود.
این الگوریتم بدون نیاز به تنظیم پارامترهای پیچیده، قادر است «پشیمانی پویا» (Dynamic Regret) را در شرایط نویز سنگین به شکلی بهینه مدیریت کند. این دستاورد میتواند عملکرد مدلهای هوشمند را در مواجهه با دادههای واقعی و غیرقابل پیشبینی، بسیار دقیقتر و منعطفتر کند.
سازی
منبع: arXiv AI