BriefGPT.xyz
Feb, 2024
通过近端点方法在随机优化中降低方差和样本复杂度
Variance Reduction and Low Sample Complexity in Stochastic Optimization via Proximal Point Method
HTML
PDF
Jiaming Liang
TL;DR
该研究提出了一种随机近端点方法来解决随机凸复合优化问题，通过仅假设随机梯度的方差有界等较弱条件，建立了对于该方法收敛的高概率保证的低样本复杂度。此外，本研究的一个显著特点是开发了一个用于解决近端子问题的子程序，该子程序还作为一种新的方差减小技术。
Abstract
This paper proposes a
stochastic proximal point method
to solve a
stochastic convex composite optimization
problem. High probability results in stochastic optimization typically hinge on restrictive assumptions o
→