Оценка снизу регрета алгоритма агрегирования экспертных прогнозов для переменного числа активных экспертов

Рассматривается задача непрерывного машинного обучения в рамках теоретикоигрового подхода для задачи прогнозирования с использованием экспертных стратегий. При этом на каждом шаге множество экспертов растет. Суммарные потери Предсказателя сравниваются с потерями лучшего составного эксперта, то есть последовательности экспертов на нескольких подынтервалах прогнозирования, несущих ретроспективно наименьшие потери. Получены оценки снизу на регрет любого алгоритма, решающего эту задачу, причем по порядку роста они совпадают с полученными ранее оценками сверху.