W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz BibTeX

Tytuł

Scale-invariant unconstrained online learning

Autorzy

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2020

Opublikowano w

Theoretical Computer Science

Rocznik: 2020 | Tom: vol. 808

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • online learning
  • online convex optimization
  • scale invariance
  • unconstrained online learning
  • linear classification
  • regret bound
Data udostępnienia online

12.11.2020

Strony (od-do)

139 - 158

DOI

10.1016/j.tcs.2019.11.016

URL

https://www.sciencedirect.com/science/article/pii/S0304397519307285?via%3Dihub

Punktacja Ministerstwa / czasopismo

100

Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021

100

Impact Factor

0,827

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.