Fugu-MT 論文翻訳(概要): Primal and Dual Prediction-Correction Methods for Time-Varying Convex Optimization

論文の概要: Primal and Dual Prediction-Correction Methods for Time-Varying Convex Optimization

arxiv url: http://arxiv.org/abs/2004.11709v3
Date: Mon, 25 Jul 2022 13:13:05 GMT
ステータス: 処理完了
システム内更新日: 2022-12-10 04:25:58.472070
Title: Primal and Dual Prediction-Correction Methods for Time-Varying Convex Optimization
Title（参考訳）: 時変凸最適化のための原始的および双対予測補正法
Authors: Nicola Bastianello, Andrea Simonetto, Ruggero Carli
Abstract要約: 本稿では,予測補正パラダイムに基づく時間変化凸最適化のための統一的なフレームワークを提案する。このフレームワークでは、一定間隔で連続的に変化する最適化問題をサンプリングし、各問題を原始的あるいは二重修正ステップで概ね解決する。
参考スコア（独自算出の注目度）: 5.768816587293478
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a unified framework for time-varying convex optimization based on the prediction-correction paradigm, both in the primal and dual spaces. In this framework, a continuously varying optimization problem is sampled at fixed intervals, and each problem is approximately solved with a primal or dual correction step. The solution method is warm-started with the output of a prediction step, which solves an approximation of a future problem using past information. Prediction approaches are studied and compared under different sets of assumptions. Examples of algorithms covered by this framework are time-varying versions of the gradient method, splitting methods, and the celebrated alternating direction method of multipliers (ADMM).
Abstract（参考訳）: 本稿では,主空間と双対空間の両方において,予測補正パラダイムに基づく時変凸最適化のための統一フレームワークを提案する。このフレームワークでは、一定間隔で連続的に変化する最適化問題をサンプリングし、各問題を原始的あるいは二重修正ステップで概ね解決する。予測ステップの出力で解法を暖かく開始し、過去の情報を用いて将来の問題を近似する。予測手法は様々な仮定の下で研究され、比較される。このフレームワークでカバーされるアルゴリズムの例としては、勾配法の時間変化版、分割法、乗算器の追随方向法(ADMM)がある。

関連論文リスト

Maximum Optimality Margin: A Unified Approach for Contextual Linear Programming and Inverse Linear Programming [10.06803520598035]
我々は、下流最適化の最適条件によって機械学習損失関数が機能する最大最適マージンと呼ばれる問題に対する新しいアプローチを開発する。
論文参考訳（メタデータ） (2023-01-26T17:53:38Z)
Socio-cognitive Optimization of Time-delay Control Problems using Evolutionary Metaheuristics [89.24951036534168]
メタヒューリスティックス(Metaheuristics)は、古典的なアプローチでは解決できない難解な問題を解くために使用される普遍的な最適化アルゴリズムである。本稿では,キャストに基づく新しい社会認知メタヒューリスティックの構築を目標とし,このアルゴリズムのいくつかのバージョンを時間遅延システムモデルの最適化に適用する。
論文参考訳（メタデータ） (2022-10-23T22:21:10Z)
On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-06-30T05:29:52Z)
Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文参考訳（メタデータ） (2022-03-29T21:00:39Z)
Teaching Networks to Solve Optimization Problems [13.803078209630444]
反復解法をトレーニング可能なパラメトリック集合関数に置き換えることを提案する。このようなパラメトリックな(集合)関数を学習することで、様々な古典的最適化問題を解くことができることを示す。
論文参考訳（メタデータ） (2022-02-08T19:13:13Z)
Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。これらの問題に対する新規で簡単な最適化法を開発した。結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文参考訳（メタデータ） (2021-09-23T17:38:24Z)
An Online Prediction Approach Based on Incremental Support Vector Machine for Dynamic Multiobjective Optimization [19.336520152294213]
インクリメンタルサポートベクトルマシン(ISVM)に基づく新しい予測アルゴリズムを提案する。動的多目的最適化問題(DMOP)の解決をオンライン学習プロセスとして扱う。提案アルゴリズムは動的多目的最適化問題に効果的に取り組むことができる。
論文参考訳（メタデータ） (2021-02-24T08:51:23Z)
Integrated Optimization of Predictive and Prescriptive Tasks [0.0]
予測タスクを記述タスクとして直接統合する新しいフレームワークを提案する。予測アルゴリズムのパラメータを2レベル最適化技術により、処方問題内でトレーニングします。
論文参考訳（メタデータ） (2021-01-02T02:43:10Z)
Parallelization Techniques for Verifying Neural Networks [52.917845265248744]
検証問題に基づくアルゴリズムを反復的に導入し、2つの分割戦略を探索する。また、ニューラルネットワークの検証問題を単純化するために、ニューロンアクティベーションフェーズを利用する、高度に並列化可能な前処理アルゴリズムも導入する。
論文参考訳（メタデータ） (2020-04-17T20:21:47Z)
Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文参考訳（メタデータ） (2020-02-16T09:01:18Z)
Nonlinear Traffic Prediction as a Matrix Completion Problem with Ensemble Learning [1.8352113484137629]
本稿では,信号化トラフィック運用管理における短期的な交通予測の問題に対処する。高分解能(秒間)におけるセンサ状態の予測に焦点をあてる私たちのコントリビューションは,3つの洞察を提供するものとして要約することができます。
論文参考訳（メタデータ） (2020-01-08T13:10:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。