convex losses | BriefGPT - AI 论文速递

关键词convex losses

搜索结果 - 7

具有样本大小无关性的随机约束 DRO
本文提出并分析了一种基于随机算法的方法，用于解决 Kullback Leibler divergence 约束的 Distributionally Robust Optimization 问题，该方法适用于非凸和凸损失函数，并具有更高的竞争
PDF2 years ago
忘记你想忘记的：机器遗忘算法
本文研究了在已训练好的模型中删除数据点的相关问题，特别是在凸损失的情况下提供了一个算法来取消学习的样本数，与差分隐私学习相比，演示了差分隐私和机器遗忘之间的新颖区别。
PDF3 years ago
选择损失最小的样本使 SGD 更加稳健
本文介绍针对使用随机梯度下降优化的机器学习模型在训练中可能出现的离群值导致参数偏差问题提出的一种新算法，该算法通过选择一组 k 个样本中当前损失最小的进行更新的方式可以提高模型的健壮性和准确性，可能对于各类由凸损失函数构成的机器学习问题都适
PDF4 years ago
适当组合损失函数的 Exp-Concavity
探讨网络预测与专家意见的关系，研究如何转化任意 beta 可混合损失为同一 beta 值的 beta 指数凹复合损失函数，以实现计算效率和性能保证的平衡。
PDF6 years ago
带长期约束的在线凸优化自适应算法
提出了一种适应性在线梯度下降算法，用于解决具有长期约束的在线凸优化问题，可以处理任意凸约束，该算法在损失和约束违规方面分别具有 O (T^max {β,1−β}) 和 O (T^(1−β/2)) 的累积遗憾界，优于 Mahdavi 等（20
PDF9 years ago
无对偶的 SDCA
本文介绍了一种 Stochastic Dual Coordinate Ascent 算法的变体，用于解决非凸损失函数的正则化损失最小化问题，并且证明了只要期望损失是凸的，就可以确保该算法具有线性收敛速度。
PDF9 years ago
一种可靠有效的百万亿级线性学习系统
介绍了一种学习凸损失函数的线性预测系统和技术，可以处理包含万亿特征、数十亿训练样本和百万参数的大型数据集，使用 1000 台机器集群仅需 1 小时，并对系统组件进行了全面的评估。
PDF13 years ago