ボール外の思考:一般化線形確率凸最適化のための勾配降下による最適学習【JST・京大機械翻訳】

Amir Idan; Livni Roi; Srebro Nathan

プレプリント

J-GLOBAL ID：202202218378856400 整理番号：22P0295940

ボール外の思考:一般化線形確率凸最適化のための勾配降下による最適学習【JST・京大機械翻訳】

Thinking Outside the Ball: Optimal Learning with Gradient Descent for Generalized Linear Stochastic Convex Optimization

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： 2022年02月27日プレプリントサーバーでの情報更新日： 2022年10月30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)

凸Lipschitz損失による線形予測,あるいはより一般的に一般化線形形式の確率的凸最適化問題,すなわち各瞬間損失が線形関数のスカラー凸関数であると考える。この設定において,明確な正則化または投影なしに,初期停止勾配降下(GD)は,最適で,最大対数因子,O(1/ε ̄2)のサンプル複雑性,およびO(1/ε ̄2)反復だけの,最適で,ほとんどのε(ユニットユークリッドノルムで最良可能)で過剰誤差を確実にすることを示した。Ω(1/ε ̄4)反復がAmirら[2021b]を必要とする一般的な確率的凸最適化と対照的である。より低い反復複雑度は,安定性よりむしろ均一収束を時効すことによって保証される。しかし,ノルムボールにおける均一収束の代わりに,著者らは,Θ(1/ε ̄4)サンプルを用いて最適以下の学習を保証できることを示した。【JST・京大機械翻訳】

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

システム最適化手法 , 信号理論 , 人工知能

, , , , , , , ,

前のページに戻る