关键词multiplicative weights update
搜索结果 - 7
- 对称锥体上的在线凸优化的乘法更新
对在线凸优化问题进行研究,采用对称锥中一对称切片的投影无关算法 Symmetric-Cone Multiplicative Weights Update (SCMWU),通过使用欧几里德 - 约旦代数的工具,将其等价于 Follow-the - 持续学习的记忆界限
本研究基于 PAC(可能近似正确)框架,通过使用通信复杂性,探索了不断学习的复杂性理论,并提出了一种基于乘性权重更新的算法,在允许学习任务进行对数次遍历时,其内存需求良好地缩放。
- ICML共识乘权更新:使用基于投影器的游戏签名学习学习
本研究介绍了一种新的以学习系数的增量式更新规则为主要方法的强化学习策略,该策略依据游戏的本质 —— 游戏签名进行调整,用于学习在游戏中达到最优状态的方法,其中游戏的多个方面分解成具有交换性的投影算子,介绍了一个新的算法 CMWU,在零和双矩 - 通过强健低秩表示实现对抗鲁棒性
本研究探讨了使用自然低秩表示训练神经网络以提高分类器对抗干扰抵抗力的效果,并提出了一种基于乘法权重更新方法且具有可证明保证的快速算法,以使得网络对于特定类型的干扰具有认证的鲁棒性。
- 针对多个分类器的鲁棒性攻击
设计最优敌对噪声算法是一项具有挑战性的任务,本文将其表述为学习器和对手之间的一种两方零和博弈,需要利用最佳响应神经网络生成随机化攻击来计算纳什均衡,本文在多个分类任务中演示了该方法的实际有效性。
- 鲁棒组合优化的随机化策略
本文研究了一类鲁棒优化问题,提出了两种设计逼近算法的方案,一种适用于线性目标函数的问题,另一种则基于乘性权重更新方法,并证明了这些算法在特定条件下具有不错的逼近比例,可用于求解离散优化问题中的独立集、子模函数等问题。
- 社交群体中的分布式学习动态
本文对某些动物群体和人类群体中观察到的分布式学习过程进行了研究,得出这种学习是一种简单启发式方法,有效识别最佳选项并在整个群体中执行得到优化结果。