요약

이 기술 주석은 전문가 경계(expert bound)의 파라미터 없는 학습에서 $\ln \ln T$ 인자를 제거하는 방법을 다룹니다. 저자는 이 방법이 Krichevsky--Trofimov 알고리즘의 사전 분포 변경과 동등함을 보이고, 나아가 Squint 알고리즘에 대한 데이터 독립적 경계에서도 동일한 아이디어를 적용할 수 있음을 제시합니다.

핵심 포인트

• 전문가 경계(expert bound) 학습에서 $\ln \ln T$ 인자를 제거하는 새로운 방법론을 소개합니다.
• 제안된 기법은 Krichevsky--Trofimov 알고리즘의 사전 분포 변경과 수학적으로 동등함을 증명했습니다.
• 이 아이디어를 Squint 알고리즘에 대한 데이터 독립적 경계(data-independent bound)를 개선하는 데 적용할 수 있습니다.