测地凸优化的一阶方法
本文开发了在厄米正定矩阵流形上的几何优化方法,特别是考虑了优化两种类型的成本函数:地质凸(g-convex)和对数不扩展(LN)函数,展示了相关理论和锥定点优化算法,并将其应用于椭圆轮廓分布的最大似然参数估计,与流形优化方法相比,我们的算法显著加速。
Dec, 2013
探索凸优化在 Hadamard 空间上的应用,我们考虑了类似于次梯度算法的迭代方法。与传统方法不同的是,我们的方法适用于一般的 Hadamard 空间,采用了底层空间本身的框架,并且依赖于目标级集的次凸性。对于这个受限制的目标类别,我们证明了一个类似于通常形式的复杂度结果,特别地,复杂度不依赖于空间曲率的下界。
Mar, 2024
本文研究了一类名为 'quasar-convex function' 的函数,该函数在实践中证明具有类似于凸性的结构性质,并且通过比较其最优解的收敛速率得到了类似于凸函数的复杂度上界,从而表明该函数类能够实现有效的优化过程。
Oct, 2020
本文介绍了使用 Riemannian optimization 方法求解一类具有特定盒式约束的凸优化问题,通过引入三个流形来实现求解,这些流形适用于具有多维概率分布函数的变量,且在高维度中具有优越性能。
Feb, 2018
本文介绍了一种新的非均匀光滑条件下的优化方法,并开发出一种简单但有效的分析技术来限制沿轨迹的梯度,从而获得更强的凸优化和非凸优化问题的结果。我们通过这种新方法证明了(随机)梯度下降和 Nesterov 加速梯度法在这种一般的光滑条件下的收敛率,而不需要梯度剪裁,并允许在随机场景中的有界方差的重尾噪声。
Jun, 2023
通过在具有截断度量的流形上进行优化,我们得到了函数的最优解,并通过构造适当的回缩映射将途经的递近测地线拉回到流形上,从而有效地沿着近似的测地线进行优化。
Aug, 2023
本文研究的是优化问题,其中函数在乘积 Riemann 流形上是几何上凸的,设计了加速的方法,改进了现有的方法,并在 Riemann 最小 - 最大的情况下证明了全局线性收敛。
May, 2023
利用可适应性光滑函数的概念和 Bregman 基础的近端梯度方法,在解决具有复杂目标函数的非凸、非光滑最小化问题时,实现全局收敛。
Jun, 2017
我们提出了一种新的优化方法,通过类似于椭球体法的简单几何解释,实现了超平滑何强凸函数的无约束优化,并在数值实验中证明了其优于 Nesterov 加速梯度下降。
Jun, 2015
该研究通过研究 Riemannian 梯度下降算法,证明了无论流形的曲率如何,只要保持测地强单调性,通过使用曲率不明感的步长,可以实现曲率无关和线性的最后一次迭代收敛率。
Jun, 2023