論文の概要: Stochastic Primal-Dual Three Operator Splitting with Arbitrary Sampling
and Preconditioning
- arxiv url: http://arxiv.org/abs/2208.01631v1
- Date: Tue, 2 Aug 2022 17:58:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-03 13:52:19.690128
- Title: Stochastic Primal-Dual Three Operator Splitting with Arbitrary Sampling
and Preconditioning
- Title(参考訳): 任意サンプリングとプレコンディショニングを併用した確率的Primal-Dual Three Operator Splitting
- Authors: Junqi Tang, Matthias Ehrhardt, Carola-Bibiane Sch\"onlieb
- Abstract要約: 本稿では,凸3成分最適化問題のクラスを解くために,予備二項プリコンディショニング3演算分割アルゴリズムを提案する。
提案手法はSPDHGアルゴリズムの直接3演算分割拡張である。
- 参考スコア(独自算出の注目度): 4.254099382808598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we propose a stochastic primal-dual preconditioned
three-operator splitting algorithm for solving a class of convex
three-composite optimization problems. Our proposed scheme is a direct
three-operator splitting extension of the SPDHG algorithm [Chambolle et al.
2018]. We provide theoretical convergence analysis showing ergodic O(1/K)
convergence rate, and demonstrate the effectiveness of our approach in imaging
inverse problems.
- Abstract(参考訳): 本研究では,凸型3-コンポジット最適化問題のクラスを解くための確率的予備条件付き3-オペレータ分割アルゴリズムを提案する。
提案手法はSPDHGアルゴリズム[Chambolle et al. 2018]の直接3演算分割拡張である。
エルゴディックO(1/K)収束率の理論的収束解析を行い,逆問題の画像化におけるアプローチの有効性を示す。
関連論文リスト
- Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。
最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
論文 参考訳(メタデータ) (2023-10-20T12:45:12Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Score-Guided Intermediate Layer Optimization: Fast Langevin Mixing for
Inverse Problem [97.64313409741614]
ランダム重み付きDNNジェネレータを反転させるため,Langevinアルゴリズムの定常分布を高速に混合し,特徴付ける。
本稿では,事前学習した生成モデルの潜時空間における後部サンプリングを提案する。
論文 参考訳(メタデータ) (2022-06-18T03:47:37Z) - Learned Image Compression with Separate Hyperprior Decoders [19.14246055282486]
離散ガウス混合確率における混合パラメータの復号過程を分離するために、3つの超プライア復号器を提案する。
提案手法は,最先端手法と比較して平均3.36%のBDレート低減を実現している。
論文 参考訳(メタデータ) (2021-10-31T13:01:56Z) - On the Convergence of Prior-Guided Zeroth-Order Optimization Algorithms [33.96864594479152]
我々は、様々な勾配推定器を用いたグリーディ降下フレームワークの下で、事前誘導ZOアルゴリズムの収束を解析する。
また、先行情報と収束解析を組み込んだ新しい高速化ランダムサーチ(ARS)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-07-21T14:39:40Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳(メタデータ) (2021-07-02T16:21:52Z) - NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T17:38:48Z) - Linear Convergent Decentralized Optimization with Compression [50.44269451541387]
圧縮を伴う既存の分散アルゴリズムは主にDGD型アルゴリズムの圧縮に焦点を当てている。
原始双対アルゴリズムによって動機付けられた本論文は、最初のアンダーラインLinunderlineEAr収束を提案する。
underline Decentralized with compression, LEAD。
論文 参考訳(メタデータ) (2020-07-01T04:35:00Z) - SOAR: Second-Order Adversarial Regularization [29.83835336491924]
敵のトレーニングは、敵の例に対するディープニューラルネットワークの堅牢性を改善するための一般的なアプローチである。
本研究では,新しい正規化手法を提案する。
提案する2次逆正則化器 (SOAR) は、ロバスト最適化目標における内最大のテイラー近似に基づく上界である。
論文 参考訳(メタデータ) (2020-04-04T01:35:07Z) - Dualize, Split, Randomize: Toward Fast Nonsmooth Optimization Algorithms [21.904012114713428]
第一のFが滑らかで第二のFが非滑らかで近似可能な3つの凸函数の和を考える。
このテンプレート問題には、画像処理や機械学習など、多くの応用がある。
この問題に対して PDDY と呼ぶ新しい原始双対アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-04-03T10:48:01Z)
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。