オンライン凸最適化の内部後悔

Zinkevichの「オンライン凸最適化」（http://www.cs.cmu.edu/~maz/publications/ICML03.pdf）は、線形設定から凸設定までの「後悔最小化」学習アルゴリズムを一般化し、優れた「外部後悔」を提供します。 。内部の後悔についても同様の一般化がありますか？（正確にそれが何を意味するのかさえ完全にはわかりません。）

ゴードン、グリーンワルドとマークスで「凸試合で無後悔学習」してみhttp://portal.acm.org/citation.cfm?id=1390202。その抽象は、おそらくあなたの質問に答えているように聞こえるか、少なくともその質問に答えた人はその論文を引用するか引用されるでしょう。

このAvrim Blumの論文は、外部と内部の遺betweenのつながりを指摘しています。その抽象によれば、外部後悔はアルゴリズムが最良の固定アクションと比較してどれだけ悪いかを示す尺度であり、内部後悔はそのメソッドの最良のバリエーションと比較します（元のアルゴリズムが報告するたびに、クラスAクラスB）。