Wasserstein分布ロバストサポートベクトルマシンのための高速エピグラフィック射影ベース増分アルゴリズム【JST・京大機械翻訳】

Li Jiajin; Chen Caihua; So Anthony Man-Cho

プレプリント

J-GLOBAL ID：202202202314402770 整理番号：22P0203650

Wasserstein分布ロバストサポートベクトルマシンのための高速エピグラフィック射影ベース増分アルゴリズム【JST・京大機械翻訳】

Fast Epigraphical Projection-based Incremental Algorithms for Wasserstein Distributionally Robust Support Vector Machine

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年10月24日プレプリントサーバーでの情報更新日： 2020年10月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ある名目上の分布に中心を置くWasserstein球内の最悪ケース確率分布から引き出されるデータ上で良好に機能する決定を見つけるのに,Wasserstein Dissignal Robust Optimization(DRO)が関係する。近年,学習モデルの様々なDRO定式化が扱いやすい凸型再定式化を許すことが示されている。しかしながら,ほとんどの既存の研究は,大規模な問題に取り組むためによく適合していない汎用ソルバによって,これらの凸再定式化を解決することを提案した。本論文では,Waserstein分布ロバストサポートベクトルマシン(DRSVM)問題のファミリーに焦点を当て,それらを解くための2つの新しいエピグラフィック投影ベースインクリメンタルアルゴリズムを提案した。これらのアルゴリズムの各反復における更新は,非常に効率的な方法で計算できる。さらに,本論文で考察したDRSVM問題は,明示的に決定した成長指数を持つH”古い成長条件”を満足し,提案した増分アルゴリズムの収束速度を確立できることを示した。著者らの数値結果は,提案方法が最先端技術より1桁速く,性能ギャップが問題サイズが増加するにつれてかなり増大することを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る