論文の概要: Primal-dual path-following methods and the trust-region updating
strategy for linear programming with noisy data
- arxiv url: http://arxiv.org/abs/2006.07568v4
- Date: Mon, 22 Feb 2021 12:23:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 21:38:36.398083
- Title: Primal-dual path-following methods and the trust-region updating
strategy for linear programming with noisy data
- Title（参考訳）: 雑音データを用いた線形プログラミングにおける経路追従法と信頼領域更新戦略
- Authors: Xin-long Luo and Yi-yan Yao
- Abstract要約: 本稿では,線形プログラミング問題に対する最優先経路追従法と信頼領域更新戦略について考察する。
小型ノイズデータを用いたランク不足問題に対しては、列のピボットによるQR分解に基づくプリサブルーチン法も提案する。
数値計算の結果,新しい手法は他の2つの手法よりも頑健であることが明らかとなった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this article, we consider the primal-dual path-following method and the
trust-region updating strategy for the standard linear programming problem. For
the rank-deficient problem with the small noisy data, we also give the
preprocessing method based on the QR decomposition with column pivoting. Then,
we prove the global convergence of the new method when the initial point is
strictly primal-dual feasible. Finally, for some rank-deficient problems with
or without the small noisy data from the NETLIB collection, we compare it with
other two popular interior-point methods, i.e. the subroutine pathfollow.m and
the built-in subroutine linprog.m of the MATLAB environment. Numerical results
show that the new method is more robust than the other two methods for the
rank-deficient problem with the small noise data.
- Abstract（参考訳）: 本稿では,プライマリ・デュアルパスフォロー法と標準線形プログラミング問題に対する信頼領域更新戦略について考察する。
また,小雑音データに対するランク不足問題に対して,カラムピボットによるqr分解に基づく前処理法を提案する。
そして,初期点が厳密な原始双対実現可能であれば,新しい手法のグローバル収束を証明できる。
最後に、NETLIB コレクションからの小さなノイズのあるデータに対するランク不足の問題に対して、MATLAB 環境の subroutine pathfollow.m と subroutine linprog.m という他の2つの一般的なインテリアポイント法と比較する。
数値計算の結果,新しい手法は小型ノイズデータを用いたランク不足問題に対して,他の2つの手法よりも頑健であることがわかった。
関連論文リスト
- SUnAA: Sparse Unmixing using Archetypal Analysis [62.997667081978825]
本稿では, 古細菌スパルス解析(SUnAA)を用いた新しい地質学的エラーマップ手法を提案する。
まず,古細菌スパース解析(SunAA)に基づく新しいモデルの設計を行う。
論文 参考訳（メタデータ） (2023-08-09T07:58:33Z) - Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。
本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
論文 参考訳（メタデータ） (2023-03-09T11:51:20Z) - A Coreset Learning Reality Check [33.002265576337486]
サブサンプリングアルゴリズムは、巨大なデータセットにモデルを適合させる前に、データサイズを減らすための自然なアプローチである。
近年,データ行列から行をサブサンプリングする手法がいくつか提案されている。
コアセットおよび最適サブサンプリング文献から引き出されたロジスティック回帰の複数の手法を比較し,その有効性の矛盾を明らかにする。
論文 参考訳（メタデータ） (2023-01-15T19:26:17Z) - Bi-level Alignment for Cross-Domain Crowd Counting [113.78303285148041]
現在の手法は、補助的なタスクを訓練したり、高価な粗大な見積もりを適用したりするための外部データに依存している。
そこで我々は, 簡易かつ効率的に適用可能な, 逆学習に基づく新しい手法を開発した。
実世界の5つのクラウドカウントベンチマークに対するアプローチを評価し、既存のアプローチを大きなマージンで上回ります。
論文 参考訳（メタデータ） (2022-05-12T02:23:25Z) - Nearly Optimal Linear Convergence of Stochastic Primal-Dual Methods for
Linear Programming [5.126924253766052]
提案手法は,高い確率で鋭いインスタンスを解くための線形収束率を示す。
また、制約のない双線型問題に対する効率的な座標ベースのオラクルを提案する。
論文 参考訳（メタデータ） (2021-11-10T04:56:38Z) - WARPd: A linearly convergent first-order method for inverse problems
with approximate sharpness conditions [0.0]
シャープネス条件は1次法のリスタートスキームのリカバリ性能を直接制御する。
重み付き, 加速度付き, 再起動されたプリマルデュアル(WARPd)の1次手法を提案する。
一般的な近似的シャープネス条件の下では、WARPd は所望のベクトルに対して安定な線形収束を達成する。
本稿では、WARPdが専門的な最先端手法と比較し、大規模問題の解決に最適であることを示す。
論文 参考訳（メタデータ） (2021-10-24T13:19:41Z) - Graph Signal Restoration Using Nested Deep Algorithm Unrolling [85.53158261016331]
グラフ信号処理は、センサー、社会交通脳ネットワーク、ポイントクラウド処理、グラフネットワークなど、多くのアプリケーションにおいてユビキタスなタスクである。
凸非依存型深部ADMM(ADMM)に基づく2つの復元手法を提案する。
提案手法のパラメータはエンドツーエンドでトレーニング可能である。
論文 参考訳（メタデータ） (2021-06-30T08:57:01Z) - Fast and Robust Online Inference with Stochastic Gradient Descent via
Random Scaling [0.9806910643086042]
本稿では,勾配降下アルゴリズムの平均化法により推定されるパラメータのベクトルに対するオンライン推論法を提案する。
我々のアプローチはオンラインデータで完全に運用されており、機能中心極限定理によって厳格に支えられている。
論文 参考訳（メタデータ） (2021-06-06T15:38:37Z) - Attentional-Biased Stochastic Gradient Descent [74.49926199036481]
深層学習におけるデータ不均衡やラベルノイズ問題に対処するための証明可能な手法(ABSGD)を提案する。
本手法は運動量SGDの簡易な修正であり,各試料に個別の重み付けを行う。
ABSGDは追加コストなしで他の堅牢な損失と組み合わせられるほど柔軟である。
論文 参考訳（メタデータ） (2020-12-13T03:41:52Z) - Least Squares Regression with Markovian Data: Fundamental Limits and
Algorithms [69.45237691598774]
マルコフ連鎖からデータポイントが依存しサンプリングされる最小二乗線形回帰問題について検討する。
この問題を$tau_mathsfmix$という観点から、鋭い情報理論のミニマックス下限を確立する。
本稿では,経験的リプレイに基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-16T04:26:50Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。