Fugu-MT 論文翻訳(概要): An ADMM Solver for the MKL-$L

論文の概要: An ADMM Solver for the MKL-$L_{0/1}$-SVM

arxiv url: http://arxiv.org/abs/2303.04445v2
Date: Fri, 31 Mar 2023 02:31:16 GMT
ステータス: 処理完了
システム内更新日: 2023-04-03 16:41:11.519615
Title: An ADMM Solver for the MKL-$L_{0/1}$-SVM
Title（参考訳）: MKL-$L_{0/1}$-SVMのためのADMMソルバー
Authors: Yijie Shi and Bin Zhu
Abstract要約: サポートベクトルマシンに対する多重カーネルカーネル問題を、悪名高い$(0)-ロス関数で定式化する。高速な数値実験は有望であることが示されている。
参考スコア（独自算出の注目度）: 19.83429448615329
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We formulate the Multiple Kernel Learning (abbreviated as MKL) problem for the support vector machine with the infamous $(0,1)$-loss function. Some first-order optimality conditions are given and then exploited to develop a fast ADMM solver for the nonconvex and nonsmooth optimization problem. A simple numerical experiment on synthetic planar data shows that our MKL-$L_{0/1}$-SVM framework could be promising.
Abstract（参考訳）: 我々は、悪名高い$(0,1)$-loss関数を持つサポートベクターマシンの多重カーネル学習(mkl)問題を定式化する。いくつかの一階最適条件が与えられ、非凸および非滑らかな最適化問題に対する高速ADMMソルバの開発に利用される。合成平面データに関する単純な数値実験は、我々のmkl-$l_{0/1}$-svmフレームワークが有望であることを示している。

関連論文リスト

Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
論文参考訳（メタデータ） (2024-05-10T09:58:47Z)
MKL-$L_{0/1}$-SVM [25.73553746599503]
本稿では,学習損失関数を持つサポートベクトルマシン(SVM)のための多重集合(MKL)フレームワークを提案する。
論文参考訳（メタデータ） (2023-08-23T09:18:41Z)
An Oblivious Stochastic Composite Optimization Algorithm for Eigenvalue Optimization Problems [76.2042837251496]
相補的な合成条件に基づく2つの難解なミラー降下アルゴリズムを導入する。注目すべきは、どちらのアルゴリズムも、目的関数のリプシッツ定数や滑らかさに関する事前の知識なしで機能する。本稿では,大規模半確定プログラム上での手法の効率性とロバスト性を示す。
論文参考訳（メタデータ） (2023-06-30T08:34:29Z)
A Riemannian ADMM [4.3636987525527084]
問題のクラスは、機械学習と統計学において重要な応用を見出す。我々のアルゴリズムは、スパース非滑らかな対象多様体を解くための最初のADM ADMアルゴリズムである。
論文参考訳（メタデータ） (2022-11-03T22:12:18Z)
Nonsmooth Nonconvex-Nonconcave Minimax Optimization: Primal-Dual Balancing and Iteration Complexity Analysis [28.575516056239575]
PLDAの新たな解析手法を導入し,その鍵となるのは,新たに開発された非滑らかかつ二重なエラー反復である。 PLDA が $thetain [0,12]$ のとき、緩やかな仮定の下で最適な $mathcalO()$ を達成する。
論文参考訳（メタデータ） (2022-09-22T07:12:48Z)
Nonlinear Kernel Support Vector Machine with 0-1 Soft Margin Loss [13.803988813225025]
本稿では,0-1ソフトマージン損失を持つサポートベクトルマシンの非線形モデルである$L_0/1$-KSVMを提案する。 1$L_0/1$-KSVMは、線形ピアに比べて非常に少ないSVを持ち、正確な予測精度を持つ。
論文参考訳（メタデータ） (2022-03-01T12:53:52Z)
Using Multilevel Circulant Matrix Approximate to Speed Up Kernel Logistic Regression [3.1427994341585688]
我々は、記憶空間を節約し、KLRの解を加速するために、MCM(Multilevel circulant matrix)近似カーネル行列を用いる。提案手法は,KLRをメモリ消費の少ない大規模問題に対してスケーラブルにし,コストを犠牲にすることなく精度テストに収束させる。
論文参考訳（メタデータ） (2021-08-19T10:30:12Z)
Fine-Grained Gap-Dependent Bounds for Tabular MDPs via Adaptive Multi-Step Bootstrap [84.66885506098724]
本稿では,アダプティブ・マルチステップ・ブートストラップ (AMB) を用いた表層有限水平マルコフ決定過程 (MDP) のモデルフリーアルゴリズムを提案する。 AMBは,部分最適ギャップの逆の和でのみスケールする,ギャップ依存的後悔境界を達成できることを示す。また、AMB は $frac|Z_mul|Delta_min$ regret という追加の $frac|Z_mul|Delta_min$ を被っていることも示しています。
論文参考訳（メタデータ） (2021-02-09T07:46:34Z)
Nearly Minimax Optimal Reinforcement Learning for Linear Mixture Markov Decision Processes [91.38793800392108]
本稿では,マルコフ決定過程(MDP)の遷移確率核が線形混合モデルである線形関数近似による強化学習について検討する。上記の線形混合 MDP に対して$textUCRL-VTR+$ という線形関数近似を用いた計算効率の良い新しいアルゴリズムを提案する。我々の知る限り、これらは線形関数近似を持つRLのための計算効率が良く、ほぼ最小のアルゴリズムである。
論文参考訳（メタデータ） (2020-12-15T18:56:46Z)
Efficient Optimistic Exploration in Linear-Quadratic Regulators via Lagrangian Relaxation [107.06364966905821]
線形2次レギュレータ(LQR)設定における探索・探索ジレンマについて検討した。有限 MDP に対する楽観的アルゴリズムで用いられる拡張値反復アルゴリズムに着想を得て,Oulq の楽観的最適化を緩和することを提案する。我々は、少なくとも$Obig(log (1/epsilon)big)$ Riccati方程式を解くことで、$epsilon$-OptimisticControllerを効率的に計算できることを示した。
論文参考訳（メタデータ） (2020-07-13T16:30:47Z)
Nonconvex Zeroth-Order Stochastic ADMM Methods with Lower Function Query Complexity [109.54166127479093]
ゼロ次法(ゼロ次法、英: Zeroth-order method)は、機械学習問題を解決するための効果的な最適化手法のクラスである。本稿では,非有限項問題を解くために,より高速なゼロ階交互勾配法乗算器 (MMADMM) を提案する。我々は、ZOMMAD法が、$epsilon$-stationary pointを見つけるために、より低い関数$O(frac13nfrac1)$を達成することができることを示す。同時に、より高速なゼロオーダーオンラインADM手法(M)を提案する。
論文参考訳（メタデータ） (2019-07-30T02:21:43Z)

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。