Fugu-MT 論文翻訳(概要): Sparse Approximate Solutions to Max-Plus Equations with Application to Multivariate Convex Regression

論文の概要: Sparse Approximate Solutions to Max-Plus Equations with Application to Multivariate Convex Regression

arxiv url: http://arxiv.org/abs/2011.04468v2
Date: Mon, 21 Dec 2020 17:54:22 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 04:42:31.453738
Title: Sparse Approximate Solutions to Max-Plus Equations with Application to Multivariate Convex Regression
Title（参考訳）: 多変量凸回帰に対するマックスプラス方程式のスパース近似解
Authors: Nikos Tsilivis, Anastasios Tsiamis, Petros Maragos
Abstract要約: 我々は,任意の$ell_p$近似誤差に対して,そのような解を効率よく最小時間で得る方法を示す。本稿では, 凸関数を一括フィッティングする手法を提案し, 最適性を保証するとともに, 略スパースアフィン領域を提案する。
参考スコア（独自算出の注目度）: 34.99564569478268
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we study the problem of finding approximate, with minimum support set, solutions to matrix max-plus equations, which we call sparse approximate solutions. We show how one can obtain such solutions efficiently and in polynomial time for any $\ell_p$ approximation error. Based on these results, we propose a novel method for piecewise-linear fitting of convex multivariate functions, with optimality guarantees for the model parameters and an approximately minimum number of affine regions.
Abstract（参考訳）: 本研究では, 最小支援集合を用いて行列maxプラス方程式の近似解を求める問題について検討し, 疎近似解と呼ぶ。任意の$\ell_p$近似誤差に対して、効率的に多項式時間でそのような解を得る方法を示す。これらの結果に基づいて,モデルパラメータに対する最適性保証とアフィン領域の最小値を含む凸多変量関数のピースワイズ線形フィッティング法を提案する。

関連論文リスト

Polynomial-Time Solutions for ReLU Network Training: A Complexity Classification via Max-Cut and Zonotopes [70.52097560486683]
我々は、ReLUネットワークの近似の難しさがマックス・カッツ問題の複雑さを反映しているだけでなく、特定の場合において、それと完全に一致することを証明した。特に、$epsilonleqsqrt84/83-1approx 0.006$とすると、目的値に関して相対誤差$epsilon$でReLUネットワーク対象の近似グローバルデータセットを見つけることはNPハードであることが示される。
論文参考訳（メタデータ） (2023-11-18T04:41:07Z)
Moreau Envelope ADMM for Decentralized Weakly Convex Optimization [55.2289666758254]
本稿では,分散最適化のための乗算器の交互方向法(ADMM)の近位変種を提案する。数値実験の結果,本手法は広く用いられている手法よりも高速かつ堅牢であることが示された。
論文参考訳（メタデータ） (2023-08-31T14:16:30Z)
Convex mixed-integer optimization with Frank-Wolfe methods [20.37026309402396]
混合整数非線形最適化は理論的および計算的課題を示す。本稿では,凸ノード緩和を用いた分岐結合アルゴリズムに基づいて,これらの問題の解法を提案する。
論文参考訳（メタデータ） (2022-08-23T14:46:54Z)
Automated differential equation solver based on the parametric approximation optimization [77.34726150561087]
本稿では,最適化アルゴリズムを用いてパラメータ化近似を用いた解を求める手法を提案する。アルゴリズムのパラメータを変更することなく、幅広い種類の方程式を自動で解くことができる。
論文参考訳（メタデータ） (2022-05-11T10:06:47Z)
Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文参考訳（メタデータ） (2022-01-28T05:53:28Z)
Decomposable Submodular Function Minimization via Maximum Flow [6.993741009069205]
本稿では,分解可能な部分モジュラー関数の最小化に対する離散最適化と連続最適化のアプローチを橋渡しする。我々は、最大フローオラクルに対する多数の呼び出しに還元することで、この問題に対する実行時間を改善する。
論文参考訳（メタデータ） (2021-03-05T18:46:38Z)
Optimal oracle inequalities for solving projected fixed-point equations [53.31620399640334]
ヒルベルト空間の既知の低次元部分空間を探索することにより、確率観測の集合を用いて近似解を計算する手法を検討する。本稿では,線形関数近似を用いた政策評価問題に対する時間差分学習手法の誤差を正確に評価する方法について述べる。
論文参考訳（メタデータ） (2020-12-09T20:19:32Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)
Variational Optimization for the Submodular Maximum Coverage Problem [11.734438054316147]
この問題に対する最初の変分近似は、ネムハウザーの発散に基づくものである。いくつかの公開データセットといくつかのアプリケーションタスクでそれを実証的に評価する。
論文参考訳（メタデータ） (2020-06-10T00:50:25Z)
Halpern Iteration for Near-Optimal and Parameter-Free Monotone Inclusion and Strong Solutions to Variational Inequalities [14.848525762485872]
非拡張写像、単調リプシッツ作用素、近位写像の間の接続を利用して、単調包含問題に対する準最適解を得る。これらの結果は、変分不等式問題に対する強い解の近似、凸凸凹 min-max 最適化問題の近似、および min-max 最適化問題における勾配のノルムの最小化について、ほぼ最適に保証される。
論文参考訳（メタデータ） (2020-02-20T17:12:49Z)

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。