关键词continuous optimization
搜索结果 - 26
- 矩阵缩放的更快算法
本文为矩阵缩放问题开发了多种有效的算法,并着重解决了一些特殊情况。该算法的复杂度为总复杂度 $\tilde {O}(m + n^{4/3})$,这比之前最好的精度 $\tilde {O}(n^4)$ 或 $O (m n^{1/2}/\var - EMNLP神经机器翻译中的连续优化解码
该研究提出了一种基于连续优化的神经机器翻译解码方法,将离散问题转化为连续优化问题,并使用梯度法解决该问题。研究结果表明,该解码框架非常有效,可以改善交叉模型的翻译效果。同时,该框架也具有优点和缺点与重排框架相比。
- 非凸优化的递归分解
本研究提出一种基于问题分解的非凸优化方法 ——RDIS 算法,通过图分割选择变量进行递归设置,将目标函数简化为近似独立的子函数,并证明了其相对于随机重启的梯度下降等标准技术可以指数倍数解决广泛的非凸优化问题。
- ECCV高效准确的场景流连续优化方法
本文提出了一种用于从立体影像中求解密集的三维场景流问题的连续优化方法,其中将动态三维场景表示为一系列刚性运动的平面段,使用预先确定的精细超像素分割,将问题分解为光度学、几何和平滑约束,并使用 Levenberg-Marquardt 进行全局 - 使用离散连续优化实时解决密集图像匹配问题
本文提出一种基于能量最小化的模型,以离散和连续算法的一致方式进行优化,在离散设置中,我们提出了一种新的可大规模并行化的优化算法,在连续设置中,我们处理了非凸正则化的问题,所得到的混合离散连续算法可以通过现代 GPU 高效加速,并展示了在密集 - 基于最大似然的 CMA-ES 超参数在线自适应调整
本文研究了 CMA-ES 的在线自适应方法 self-CMA-ES,旨在优化连续非线性问题的超参数设置,实验结果表明 self-CMA-ES 可以使得优化性能接近最优设置。