关键词zeroth-order optimization
搜索结果 - 28
- ICML大规模黑箱优化的零阶块坐标下降算法
本研究提出了一种名为 ZO-BCD 的零阶优化算法,可在大规模环境下完成优化问题的求解,并在小迭代计算复杂度下具有较佳的查询复杂度和更小的内存占用,同时将其应用在音频分类器中,实现了在小波域的对抗攻击效果。
- 一位使用比较法的一比特梯度估计器
本文利用一位 $ extit {comparison oracle}$ 来实现零阶优化问题的求解,结合一位未知信号的压缩感知,提出了使用梯度下降算法的新型算法 SCOBO,在具有低维结构可供利用的情况下,优于现有技术。
- 信号处理和机器学习中零阶优化入门
本文综述了零阶优化的方法,重点介绍了其优化思想、原则以及近年来的收敛分析进展。此外还介绍了零阶优化的一些应用,例如评估深度学习模型的鲁棒性、生成黑盒模型的解释以及在线传感器管理等。
- 无梯度下降:高维零阶优化
该论文提出了两种简单但强大的无梯度估计的梯度下降(GLD)算法,并从一种新的几何视角进行分析,展示了其具有收敛性的优势,并且能够在保证单调变换不变的情况下,利用低的潜在维数来实现优化,对 BBOB 和 MuJoCo 基准测试产生了良好的实证 - ICLR零阶 Oracle 学习到学习
本文将 learning to learn(L2L)框架扩展到零阶(ZO)优化设置,其中没有明确的梯度信息,并将学习的优化器建模为循环神经网络(RNN),通过 ZO 梯度估算器近似梯度,并利用以前迭代的知识产生参数更新,进一步引入另一个 R - 基于 Hessian 感知的零阶优化黑盒对抗攻击
本文提出了一个基于 Hessian 矩阵的零阶优化算法 ZO-HessAware,用于黑盒对抗攻击,该算法的实验证明在结构化 Hessian 逼近的情况下,具有更好的零阶收敛率和查询复杂度。
- 零阶随机方差约减用于非凸优化
本文提出了一种基于损失函数的零阶优化算法(ZO-SVRG)以及相应的快速收敛的优化方法,即方差减少,用于解决应用中需要零阶优化的挑战,可用于黑盒物质分类和黑盒深度神经网络模型生成对抗性示例。我们的理论分析揭示了 ZO-SVRG 的本质难点, - 零阶异步双随机算法与方差缩减
本文提出了一种使用方差缩减的异步双随机零阶优化算法 (AsyDSZOVR),应用于光滑但不一定是凸函数的有限和问题,证明了该算法将收敛速度从 O(1 /√T)提高到了 O(1 / T),优于现有算法的最佳结果,并且也超越了顺序随机零阶优化算