constrained optimization problems | BriefGPT

关键词constrained optimization problems

搜索结果 - 7

度量学习加速可微参数化规划的算子分裂方法收敛
通过学习近似度度量方法，提出了一种新颖的学习优化方法，用于加速解决受限制的优化问题，对于包括广义二次规划问题在内的实际问题形式，通过不可微优化可以学习到更好的近似度度量，以增强优化算法的收敛性，并揭示了学习到的近似度度量与优化问题最优解的活
PDF3 months ago
使用神经网络对受约束系统进行建模的两阶段训练方法
本文详细描述了一种简单、有效且无需惩罚参数的两阶段训练方法，用于模型约束系统。通过将约束优化问题重写为解决两个无约束子问题的两阶段，实现了找到可行神经网络参数和最优神经网络参数。实验证明，该方法可以产生满足约束的模型，并提升预测性能，确保关
PDF4 months ago
在线长期受限优化
提出和分析一种新型的 Follow-the-Perturbed-Leader 类型算法，用于在线方式解决一般的长期受约束的优化问题，其中目标和约束不一定是凸的。通过将随机线性扰动和强凸扰动分别引入原始和对偶方向，搜索全局极小极大点作为解决方
PDF8 months ago
RSAM：使用黎曼尖锐感知最小化的流形学习
将尖锐感最小化 (SAM) 优化器推广到黎曼流形中，通过融合几何原理于优化中，增强模型的鲁棒性和泛化能力。
PDF9 months ago
可微分的 Frank-Wolfe 优化层
该论文介绍了一种名为 Differentiable Frank-Wolfe Layer（DFWLayer）的可微分层，借助 Frank-Wolfe 方法解决了带约束优化问题，从而提供了处理大规模问题的高效方法。实验证明 DFWLayer 在
PDFa year ago
离散正则化的时变马尔科夫随机场的解路径
推断稀疏的时变马尔可夫随机场，通过精确离散正则化解决最大似然估计问题，提出了一种高效、参数化的解路径描述方法，并在不同时间变化的马尔可夫随机场中实现了可验证的小估计误差。
PDFa year ago
自适应 ADMM 算法中的谱惩罚参数选择
本研究提出了一种自适应调节罚项参数的方法，使得交替方向乘子法 (ADMM) 得以快速收敛，从而提高了其可靠性和自动化水平。结果表明，这种自适应 ADMM (AADMM) 算法可以相对缓解 ADMM 算法在惩罚因子调节方面存在的问题，并同时保
PDF8 years ago