- 约束线性赌臂问题的凸方法
近年来,与人类不断互动的现实世界安全关键系统中的强盗优化引起了极大关注。本文提出了一个综合性研究,重点研究了安全线性强盗算法的计算方面,通过引入凸规划工具创建了计算效率高的策略。具体而言,我们首先对安全线性强盗问题的最优策略进行了特征化,并 - 抵消干扰稳健推理的凸框架
我们研究了关于未观测到的混淆因素的离线情境赌博的政策评估。我们提出了一个通用的估计器,使用凸规划方法提供政策价值的一个锐利下界,具有各种扩展应用和强有力的理论保证。
- MM近似线性时间的半随机稀疏恢复
本文探究了迭代算法在生成模型变化下的韧性,以及一个与之相关的关于稀疏恢复的几何迭代方法,并在自然统计反问题中展示了我们方法的有效性。
- Robust PCA 中凸和非凸优化的桥梁:噪声,异常值和缺失数据
本文探讨了在存在随机噪声、大量离群点和缺失数据的情况下,通过凸规划方法提高低秩矩阵估计的理论保证。结果表明,当未知矩阵是很好条件的、不一致的和具有恒定秩时,通过凸规划实现了接近最优的统计精度。即使有近乎恒定的观测值被任意大小的离群值所污染, - Blotto 游戏的最优策略:超越凸性
本文研究了 Colonel Blotto game,着重考虑了两种不同的游戏目标:保证最大预期收益和最大概率获得最低收益,并展示了如何获得支持策略数量较少的(几乎)最优解,采用了解决非凸解空间的结构化方法,并提出了多项组合观察,从而产生了多 - 数据流中的相关聚类
本文研究动态数据流模型下相关聚类问题,结合线性草图和凸规划与抽样技术提出 O (n・polylog n)-space 近似算法,解决了自然问题。
- 在多项式时间内可靠地学习 ReLU
本研究提出了有效学习基于 ReLU 的常深度网络的算法,该算法运用了核方法、多项式逼近和凸优化的 “双损失” 方法,同时获得了解决 “凸分段线性拟合” 和 “在单位球上低权重多项式的噪音重构” 等其他应用。
- 非凸最优控制问题的连续凸化及其收敛性质
本文提出了一种非凸优化控制问题的解决算法,该算法通过逐步线性化来将非线性动态转化为凸问题,从而解决路径规划等实时应用中非常紧迫的控制问题,并将虚拟控制和信任区域等安全措施纳入算法中。
- 基于凸化的修正度量随机块模型最大化
本文提出了一种基于凸规划松弛和新的双重加权 $k$- 中位数方法的凸化模块化最大化方法,用于估算 DCSBM 下的隐藏社群,通过实验结果表明本方法相对于文献中现有的最先进方法具有竞争力的性能表现。
- AAAI并行分裂快速近端线性交替方向乘子方法
提出快速近端改进增广拉格朗日方法 Fast PALM 和快速近端交替方向乘子方法 Fast PL-ADMM-PS 用于解决凸规划问题,成果表明与传统方法相比,算法具有更好的收敛速度和迭代复杂度.
- 一致风险度量的政策梯度
该研究拓展了风险敏感的强化学习算法的范围,利用凸优化和演员 - 评论家(actor-critic)模型处理动态风险测量,提出了一种统一的方法来应对风险敏感的策略梯度方法。
- 量子信道容量的高效逼近
本文提出基于凸规划对离散输入字母和有限维输出的经典量子通道容量的迭代估算方法,得到 Holevo 容量的近似值,并且可将其扩展到有界连续输入和有限维输出的通道。
- 信道容量的高效逼近
提出一种迭代计算分散无记忆信道容量的方法,包括对输入分布的附加约束;利用凸规划的对偶性,获得了容量的显式上下界。该方法的复杂度为 O(M ^ 2 N√(log N)/ε),其中 N 和 M 分别表示输入和输出字母表的大小;单次迭代的复杂度为 - 独立随机线性测量下结构化信号的凸恢复
本文基于凸规划方法,从独立随机线性测量中恢复结构信号,为采样复杂度提供类似于标准高斯测量的界限,并发掘该方法的实际应用,包括一项关于痕范数最小化的相位恢复分析。
- 编码衍射图样的相位恢复
本文讨论了从仅具有密度测量信息的实验数据中,利用凸规划技术计算物体相位的问题,通过对一定数量的随机扰动信号进行传播和测量,所得到的衍射图案的凸规划技术 PhaseLift 可以准确还原相位信息。
- 损坏感知:分离结构信号的新保证
本文研究了受损传感问题,提出了一种凸编程方法,分析了交换信号和损坏之间的关系,得出了从结构化损坏中恢复信号的条件,并进行了模拟,结果表明理论恢复界限与实践中观察到的尖锐相移之间存在密切的一致性。
- ICML一种带有理论证明的在线 Boosting 算法
本文研究了在线增强学习的任务,重点探讨在线弱分类器的不同之处,提出了一种新颖的在线增强算法,并通过理论分析设计了算法参数以及确定弱分类器个数等问题,实验结果表明所提出的算法比现有的在线算法效果更好。
- 通过近似利普希茨扩展在度量空间中高效完成回归
提出了一种基于 Lipschitz extension 的回归框架,通过结构风险最小来避免过拟合,使用凸优化求解离线学习及在线预测,同时解决了大数据集的处理问题。
- PhaseLift: 通过凸规划从幅度测量中精确稳定地恢复信号
利用随机取样的向量进行半定规划中的痕范数最小化,证明了可以通过凸编程技术解决组合相位恢复问题,且该方法对加性噪声具有鲁棒性。
- 矩阵填充的相位恢复
本文发展了一种新的相位恢复框架,结合多个结构光源和凸规划的思想,通过回复幅度获取相位,证明了我们的算法在设定的信噪比范围内可靠地重建原始信号,并且引入了一些理论来说明我们可以通过设计简单的 structured illumination 模