随机嵌套方差缩减非凸优化
提出两个算法,其中一个利用随机嵌套方差降低算法能快速找到局部最小值, 算法在有限和一般随机非凸优化中的效果都优于现有算法,并进一步探索了目标函数的三阶光滑度加速优化的情况。
Jun, 2018
本研究分析了随机变量缩减梯度(SVRG)方法在非凸有限和问题中的应用,证明了其比随机梯度下降(SGD)和梯度下降(GD)更快收敛于固定点,并分析了一类 SVRG 在解决非凸问题上的线性收敛,同时研究了 mini-batch 变体的 SVRG 在并行设置中加速的外延。
Mar, 2016
本篇论文研究了非凸优化中高效到达稳定点的基本问题,并利用方差缩减技巧和适用于非凸优化的全新方差缩减分析提出一种首个非凸优化的一阶小批量随机算法,并在非凸损失函数和神经网络训练中表现出了有效性。
Mar, 2016
本文提出一种使用归一化近端梯度求解多层组合优化问题的方法,其中包含一系列随机平滑映射,在嵌套随机方差约减的帮助下获得近似梯度,其期望样本复杂度为 O(ϵ^-3),在有限求和的情况下为 O(N+√Nϵ^-2),其中 N 是所有组合级别上的函数总数。与以前的方法相比,我们的总样本复杂度在组合级别数量上的依赖性是多项式的,而不是指数的。
Aug, 2019
本文提出一种基于变量规约的 Proximal 随机梯度下降算法 (ProxSVRG+), 该算法在非凸性和非光滑性优化问题上具有更好的性能,并在收敛性分析方面比之前的算法更加全面和普适性更强。
Feb, 2018
提出了随机方差约减的立方正则牛顿法,应用于非凸优化问题。该方法在半随机梯度和半随机海森矩阵的基础上工作,具有较低的复杂度,并在各种非凸优化问题上得到了验证。
Feb, 2018
本文提出了使用混合随机估算器设计的混合随机梯度算法来解决非凸期望问题,该算法可以获得更好的复杂度,同时考虑不同的扩展,如使用自适应步长和不同的迭代方式。在使用两个非凸模型进行了多个数据集上的比较。
May, 2019
本研究介绍了 Prox-SVRG 及其投影变体 VRPSG 算法,用于解决一类在机器学习中广泛使用的非强凸优化问题。通过 SSC 不等式的使用,本文证明了两种算法可以在无强凸性的情况下实现线性收敛率。
Jun, 2014