关键词lipschitz continuous gradients
搜索结果 - 4
- 高概率收敛界限在重尾噪声下的非线性随机梯度下降
通过研究一类广泛的非线性随机梯度下降方法在高概率下的收敛界限,我们证明了对于具有 Lipschitz 连续梯度的强凸损失函数,即使在噪声具有重尾分布的情况下,也能实现失败概率的对数依赖性,这对于任何具有有界(逐分量或联合)输出的非线性性质( - ACLACL2 (r) 中的凸函数
本文在 ACL2 (r) 平台上对 R^n 进行了形式化处理,并着重研究了凸函数的一组公理和证明,包括了一组关于引理的等价条件,并且探讨了证明工程的问题。
- 优化梯度法的收敛分析
本文考虑了光滑凸函数的无约束极小化问题,并给出了分析收敛性质的结果,同时探讨了针对光滑凸函数的最优一阶算法。
- EXTRA:去中心化共识优化的精确一阶算法
该论文提出了一个名为 EXTRA 的分布式算法,该算法使用固定的步长和同步迭代来解决多智能体网络中的共识优化问题,并具有最佳已知的收敛速率和较好的负载平衡。