文献

J-GLOBAL ID：202002267382036029   整理番号：20A0436711

確率有限和凸最適化のための最適ミニバッチサイズの鋭い特性化【JST・京大機械翻訳】

Sharp Characterization of Optimal Minibatch Size for Stochastic Finite Sum Convex Optimization

著者 (3件)： Nitanda Atsushi (The University of Tokyo / RIKEN AIP) ,  Murata Tomoya (NTT DATA Mathematical Systems Inc.) ,  Suzuki Taiji (The University of Tokyo / RIKEN AIP)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICDM  ページ： 488-497  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模機械学習とデータマイニングのための並列計算におけるそれらの計算効率のために,確率的一次方法を容易にするために,ミニバッチング技術を広範囲に採用した。しかし,加速確率勾配法に対する最適ミニバッチサイズ決定は完全には理解されていない。実際に,反復複雑性と全計算複雑性の間にトレードオフが現れる。すなわち,ミニバッチサイズを増加させることにより,反復回数(ミニバッチ質問)を減少させることができるが,あまりに大きいミニバッチサイズは,不必要に大きな全計算コストをもたらす。本研究では,凸関数の有限和を最小化するための到達可能下限を与えることにより,最適反復複雑性を達成するためにミニマックス最適ミニバッチサイズの鋭い特性化を与え,ミニマックス最適ミニバッチサイズを持つ最適方法が最適反復複雑性と最適全計算複雑性の両方を同時に達成できることを示した。最後に,この特徴を実験的に検証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凸関数 ,  計算量 ,  *ロット ,  並列演算 ,  データマイニング ,  機械学習 ,  キャラクタリゼーション ,  計算コスト ,  複雑性 ,  計算効率 ,  *凸最適化
準シソーラス用語： 確率勾配 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： 確率 ,  凸最適化 ,  特性化