关键词factorized gradient descent
搜索结果 - 2
- 低秩张量恢复的因式化梯度下降法
本文提出了基于 Burer-Monteiro 方法的高效低管秩张量恢复算法,通过张量分解和因式梯度下降的策略,避免了传统计算张量奇异值分解的高计算成本和存储要求,同时在多个场景中展示了与其他方法相比更快的计算速度和更小的收敛误差。
- 小随机梯度下降的非对称矩阵感知
矩阵感知是从少量线性测量中重建低秩矩阵的问题,我们引入了连续微分方程,称其为 “扰动梯度流”,通过边界足够有界的累计误差,证明扰动梯度流迅速收敛到真实目标矩阵,从而提供了一种基于梯度下降的非对称矩阵感知的新证明方法。