- 共同训练张量网络
使用一种新颖的张量网络 —— 约束矩阵积态(MPS),将任意线性约束准确地融入稀疏块结构,成功地弥合了 U (1) 对称 MPS 和传统非约束 MPS 之间的差距。通过量子区域的概念,适用于捕捉包括非约束情景在内的任意线性约束,我们进一步为 - 正则化泊松非负矩阵分解的高效算法
我们研究了正则化泊松非负矩阵分解(NMF)问题,包括利普希茨和相对平滑函数以及线性约束的各种正则化项。我们利用块递进上界最小化(BSUM)来克服主要损失项为 KL 散度的挑战,构建适当的上界函数,并展示如何引入线性约束进入该问题中。这导致了 - 线性约束在线凸优化的乐观安全性
在线凸优化(OCO)的未知约束设置是近年来备受关注的问题。本研究考虑了一种具有静态线性约束且玩家接收到噪声反馈并始终满足的问题版本。通过利用我们的乐观安全设计范例,我们提供了一种算法来解决该问题,其后悔值为 O (√T)。这比之前最佳后悔边 - 线性算术约束上的近似整数解统计
我们提出了一种新的随机行走抽样方法来近似计算多面体内的晶格点计数,并且通过实验结果表明,我们的算法在解决高维多面体时明显优于现有的计数方法。
- 学习选择 SAT 编码用于伪布尔和线性整数约束
通过使用监督式机器学习方法,探讨选择伪布尔约束和线性约束的编码问题,我们展示了使用标准特征集和专门设计的特征集可以有效地选择编码,甚至对于未见过的问题类别也能取得良好的结果,相比使用相同特征集的 AutoFolio 结果有优势。我们讨论了实 - 亚线性复杂度下非凸非光滑约束组合问题的一阶优化方法:下界复杂度与近似最优方法
本文针对一个类别的复合非凸非光滑优化问题,通过使用两个不同的一阶预言机,在最优性公差 ϵ>0 的情况下建立 FOMs 的下界复杂性界,并提出一个非精确近端梯度法来解决该问题。所提出的 IPG 方法的预言机复杂度与我们建立的下界匹配。
- 线性约束下的纯探索赌博机问题
本文提出了两种渐近最优的算法,基于 Track-and-Stop 方法和博弈论方法,用于寻找多臂赌博机环境中具有一定置信度的最优策略,特别考虑了带有线性约束的情况,并探讨了约束难度对问题的影响。
- ICML通过拓扑交换优化 NOTEARS 目标
本研究提出了一种新的双层算法,用于优化具有非凸性约束的有向无环图,并解决了此类问题的优化挑战,具有更弱的条件保证和更低的得分,并且在实验中表现优于现有方法。
- ICML基于偏微分算子的可定向 3D 卷积神经网络
使用偏微分算子建模 3D 滤波器,并推导出通用的可操纵 3D CNN,称为 PDO-s3DCNN。通过实验证明,在离散域中,我们的模型可以很好地保持等变性,并以低网络复杂度胜过以前的作品在 SHREC'17 检索和 ISBI 2012 分割 - 具有耦合线性约束的极小化问题:计算复杂性,对偶性和解决方法
本研究探讨了一类特殊的极小极大问题,其中有线性约束同时涉及到极小化和极大化的决策变量,研究发现该问题具有挑战性,违反了经典的最大最小不等式,是 NP 难问题,我们提出了一种对偶理论,并分析了其中杠杆率为零的条件,得出一类基于对偶问题的稳态解 - ACL使用整流器网络学习结构预测的约束条件
本研究旨在解决自然语言处理的结构预测问题中限制管控的好坏与实现的关系,提出了一种基于双层整流网络的学习限制方法,可以通过学习网络的参数生成一系列线性约束,从而提高 NLP 任务的预测准确性。
- 涉及条件聚合的约束的 ASP 语义
该研究论文扩展了 Answer Set Programming 的基础框架,引入了条件表达式概念和聚合函数,重点研究了具有线性约束的逻辑程序,并实现了在混合 ASP 求解器上的条件聚合。
- AAAI用于最优经典计划的高维势启发式
本研究尝试寻找一种比先前方法更有效的状态空间搜索算法,并通过构造新的图形结构来实现可行性和可解性的结果。
- ICML可微分线性化 ADMM
本文提出一种深度神经网络 Differentiable Linearized ADMM (D-LADMM),用于求解具有线性约束的问题,并证明该方法是可收敛的,同时也是第一个在约束问题上提供收敛性分析的学习优化方法。
- 块坐标原始对偶方法在线性约束下的非光滑最小化
研究了解决线性约束下凸、可分、非光滑函数的最小化问题,提出了一种基于 Chambolle-Pock 原始 - 对偶算法的块坐标扩展的数值方法,并证明了方法的收敛性,而不需要诸如凸性或强凸性、矩阵的满秩条件、强对偶性甚至线性系统的连续性之类的 - MMClingo 线性约束与整数和实数
该研究论文介绍了一种基于 ASP 系统 clingo 的算法框架,利用线性约束扩充基本 ASP,实现了不同形式的线性约束,并在反应式环境下演示其应用。最后,对该算法进行了实证评估。
- 使用两个仿射对应进行两视图焦距估计的最小解决方案
本文提出了一种仅使用两个仿射对应来估计两个半标定相机之间的公共焦距和基本矩阵的最小解法。其利用局部仿射变换导出的线性约束扩展了点对应技术,并通过隐变量技术高效地求解多元多项式系统。同时,为了选择出最优解,引入了新颖的条件和根选择技术,在高噪 - 线性约束高斯过程
本文对高斯过程中的协方差函数进行了修改,以正确地考虑已知的线性约束条件,并通过将目标函数建模为底层函数的一个变换来将约束条件显式地纳入模型中,最终提出一个设计变换算子的方法,并在模拟数据和真实数据示例中进行了实证研究。
- 多重网格并行方向乘子法
本文提出了一种名为 “Parallel Direction Method of Multipliers(PDMM)” 的随机块坐标方法,以解决带有多块线性约束的优化问题,并表明 PDMM 在两个应用程序中均优于现有技术方法,在全局收敛和迭代 - 一种加速线性化交替方向乘子法
提出一种新颖的框架 AADMM,用于加速线性化交替方向乘子法 (ADMM),对于一类具有线性约束的凸复合优化问题,AADMM 的收敛速度比线性化 ADMM 更快,而且当相应的鞍点问题有解时,AADMM 能够处理无边界的可行域,并提出了一种回