複合凸最小化のための高速1サンプル確率条件付き勾配法【JST・京大機械翻訳】

Dresdner Gideon; Vladarean Maria-Luiza; Raetsch Gunnar; Locatello Francesco; Cevher Volkan; Yurtsever Alp

プレプリント

J-GLOBAL ID：202202207253671309 整理番号：22P0295824

複合凸最小化のための高速1サンプル確率条件付き勾配法【JST・京大機械翻訳】

Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月26日プレプリントサーバーでの情報更新日： 2022年04月17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)

平滑および非平滑項の合計として形成される凸有限和目的を最小化するための確率的条件付き勾配法(CGM)を提案した。このテンプレートのための既存のCGM変異体は遅い収束速度に悩まされるか,あるいはアルゴリズム実行の過程にわたってバッチサイズを慎重に増大させ,完全な勾配を計算する。対照的に,確率的平均勾配(SAG)推定器を備えた提案方法は,反復当たり1つのサンプルだけを必要とする。それにもかかわらず,それは,より洗練された分散低減技法によって,高速収束速度を保証する。アプリケーションでは,多数の分離可能な制約を持つ問題に特に重点を置いた。このような問題は,機械学習と理論的コンピュータ科学において生じる半定値計画法(SDP)定式化の間で一般的である。行列完了,教師なしクラスタリング,およびスパースカットSDPに関する数値実験を提供した。【JST・京大機械翻訳】

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

数値計算 , ニューロコンピュータ , 人工知能 , 信号理論

, , , ,

前のページに戻る