文献

J-GLOBAL ID：201702214125002434   整理番号：17A1311717

機械学習における確率的最適化法の個体収束性研究についての総説について述べた。【JST・京大機械翻訳】

Individual Convergence of Stochastic Optimization Methods in Machine Learning

著者 (4件)： Tao Qing (中国人民解放軍陸軍軍官学院十一系,合肥,230031) ,  Ma Po (中国人民解放軍陸軍軍官学院十一系,合肥,230031) ,  Zhang Menghan (中国人民解放軍陸軍軍官学院十一系,合肥,230031) ,  Tao Wei (解放軍理工大学指揮信息系統学院,南京,210007)
資料名： Shuju Caiji yu Chuli  (Shuju Caiji yu Chuli)
巻： 32  号： 1  ページ： 17-25  発行年： 2017年 
JST資料番号： W1502A  ISSN： 1004-9037  CODEN： SCYCE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 確率的最適化法は大規模機械学習問題を解くための主流方法であり,その研究の焦点はアルゴリズムが最適収束速度と学習問題を保証できるかどうかの構造である。現在、正則化損失関数問題はすでに多くの形式のランダム最適化アルゴリズムが得られているが、ほとんどは反復に対して平均的な出力方式を用いて収束速度を検討し、さらに最も典型的なスパース構造を保証できない。それとは異なり、個体の解はスパース性をよく保つことができ、その最適な収束速度はすでにopen問題として広く探索されている。また、ランダムに最適化された一般的に採用されている勾配不偏仮説は成立しないが、加速方法の収束境界における偏差が偏位の場合には累積的に累積するため、応用できない。本論文では,一次確率的勾配法の研究の現状と問題点についてレビューし,それらの中には,個体の収束速度,勾配の偏位,および非凸最適化問題が含まれ,いくつかの問題が指摘されている。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  損失関数 ,  *最適化 ,  *機械学習 ,  傾斜法 ,  *学習 ,  透視図法 ,  正則化
準シソーラス用語： 非凸最適化問題 ,  スパース性 ,  最適アルゴリズム ,  収束速度 ,  *確率的最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： machine learning ,  stochastic optimization ,  individual convergence ,  biased gradient estimation ,  non-convex problems

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 機械学習 ,  確率的最適化 ,  個体 ,  収束性 ,  研究 ,  総説