論文の概要: All unconstrained strongly convex problems are weakly simplicial
- arxiv url: http://arxiv.org/abs/2106.12704v1
- Date: Thu, 24 Jun 2021 00:30:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-26 07:58:25.639100
- Title: All unconstrained strongly convex problems are weakly simplicial
- Title(参考訳): すべての制約のない強凸問題は弱単純である
- Authors: Yusuke Mizota, Naoki Hamada, Shunsuke Ichiki
- Abstract要約: 多目的最適化問題(英: multi-objective optimization problem)は、単純体からパレート集合/フロントへの$Cr$の代入が存在する場合、弱単純数である。
すべての制約のない$Cr$問題は、$leq r leq infty$に対して弱い単純性を持つ$Cr-1$である。
制約のない強凸問題は、すべて1leq r leq infty$に対して、C0$弱単純であることを示す。
- 参考スコア(独自算出の注目度): 2.223733768286313
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: A multi-objective optimization problem is $C^r$ weakly simplicial if there
exists a $C^r$ surjection from a simplex onto the Pareto set/front such that
the image of each subsimplex is the Pareto set/front of a subproblem, where
$0\leq r\leq \infty$. This property is helpful to compute a parametric-surface
approximation of the entire Pareto set and Pareto front. It is known that all
unconstrained strongly convex $C^r$ problems are $C^{r-1}$ weakly simplicial
for $1\leq r \leq \infty$. In this paper, we show that all unconstrained
strongly convex problems are $C^0$ weakly simplicial. The usefulness of this
theorem is demonstrated in a sparse modeling application: we reformulate the
elastic net as a non-differentiable multi-objective strongly convex problem and
approximate its Pareto set (the set of all trained models with different
hyper-parameters) and Pareto front (the set of performance metrics of the
trained models) by using a B\'ezier simplex fitting method, which accelerates
hyper-parameter search.
- Abstract(参考訳): 多目的最適化問題 (multi-objective optimization problem) が $c^r$ simplicial であるとは、単純集合からパレート集合/フロントへの$c^r$ が存在し、各部分単純集合の像が部分プロブレムのパレート集合/フロントであり、ここで $0\leq r\leq \infty$ であるような場合である。
この性質はパレート集合全体とパレートフロント全体のパラメトリック表面近似を計算するのに役立つ。
すべての制約のない$C^r$問題は、$C^{r-1}$1\leq r \leq \infty$に対して弱単純である。
本稿では, 制約のない凸問題はすべて, C^0$弱単純解であることを示す。
この定理の有用性はスパース・モデリング・アプリケーションで示される: 弾性ネットを非微分可能多目的強凸問題として再構成し、超パラメータ探索を高速化するB\'ezier Simplex fit法を用いてパレート・セット(異なるハイパーパラメータを持つ全ての訓練されたモデルの集合)とパレート・フロント(訓練されたモデルのパフォーマンス指標の集合)を近似する。
関連論文リスト
- The Sample Complexity Of ERMs In Stochastic Convex Optimization [13.896417716930687]
実際に$tildeO(fracdepsilon+frac1epsilon2)$データポイントも十分であることを示す。
さらに、この結果を一般化し、全ての凸体に対して同様の上界が成り立つことを示す。
論文 参考訳(メタデータ) (2023-11-09T14:29:25Z) - Convex optimization over a probability simplex [0.0]
そこで我々は,確率的単純度よりも凸問題を最適化するために,新しい反復スキームCauchy-Simplexを提案する。
Cauchy-Simplex の各イテレーションは単純な操作で構成されており、高次元問題に適している。
論文 参考訳(メタデータ) (2023-05-15T22:14:22Z) - Learning linear dynamical systems under convex constraints [5.025654873456756]
線形力学系を単一軌道の$T$サンプルから同定する問題を考察する。
フロベニウスノルムの非漸近誤差境界は、$A*$で$mathcalK$の局所サイズに依存する。
論文 参考訳(メタデータ) (2023-03-27T11:49:40Z) - A Newton-CG based barrier-augmented Lagrangian method for general
nonconvex conic optimization [77.8485863487028]
本稿では、2つの異なる対象の一般円錐最適化を最小化する近似二階定常点(SOSP)について検討する。
特に、近似SOSPを見つけるためのNewton-CGベースの拡張共役法を提案する。
論文 参考訳(メタデータ) (2023-01-10T20:43:29Z) - Multi-block-Single-probe Variance Reduced Estimator for Coupled
Compositional Optimization [49.58290066287418]
構成問題の複雑さを軽減するために,MSVR (Multi-block-probe Variance Reduced) という新しい手法を提案する。
本研究の結果は, 試料の複雑さの順序や強靭性への依存など, 様々な面で先行して改善された。
論文 参考訳(メタデータ) (2022-07-18T12:03:26Z) - Sharper Rates and Flexible Framework for Nonconvex SGD with Client and
Data Sampling [64.31011847952006]
我々は、平均$n$スムーズでおそらくは非カラー関数のほぼ定常点を求める問題を再考する。
我々は$smallsfcolorgreen$を一般化し、事実上あらゆるサンプリングメカニズムで確実に動作するようにします。
我々は、スムーズな非カラー状態における最適境界の最も一般的な、最も正確な解析を提供する。
論文 参考訳(メタデータ) (2022-06-05T21:32:33Z) - Optimal Gradient Sliding and its Application to Distributed Optimization
Under Similarity [121.83085611327654]
積 $r:=p + q$, ここで$r$は$mu$-strong convex類似性である。
エージェントの通信やローカルコールにマスターされた問題を解決する方法を提案する。
提案手法は$mathcalO(sqrtL_q/mu)$法よりもはるかにシャープである。
論文 参考訳(メタデータ) (2022-05-30T14:28:02Z) - Accelerated Primal-Dual Gradient Method for Smooth and Convex-Concave
Saddle-Point Problems with Bilinear Coupling [84.47780064014262]
線形凸凹サドル点問題 $min_xmax_y f(x) ytopmathbfA x - g(y) について検討する。
論文 参考訳(メタデータ) (2021-12-30T20:31:46Z) - A first-order primal-dual method with adaptivity to local smoothness [64.62056765216386]
凸凹対象 $min_x max_y f(x) + langle Ax, yrangle - g*(y)$, ここで、$f$ は局所リプシッツ勾配を持つ凸関数であり、$g$ は凸かつ非滑らかである。
主勾配ステップと2段ステップを交互に交互に行うCondat-Vuアルゴリズムの適応バージョンを提案する。
論文 参考訳(メタデータ) (2021-10-28T14:19:30Z) - Efficient algorithms for multivariate shape-constrained convex
regression problems [9.281671380673306]
最小二乗推定器は、制約付き凸プログラミング(QP)問題を$(n+1)d$変数と少なくとも$n(n-1)$線形不等式制約で解くことで計算可能であることを証明している。
一般に非常に大規模な凸QPを解くために、我々は2つの効率的なアルゴリズムを設計する。1つは対称ガウス・シーデルに基づく乗算器の交互方向法(tt sGS-ADMM)であり、もう1つは半滑らかニュートン法(tt)によって解かれる部分プロブレムを持つ近似拡張ラグランジアン法(tt pALM)である。
論文 参考訳(メタデータ) (2020-02-26T11:18:43Z)
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。