Fugu-MT 論文翻訳(概要): One to beat them all: "RYU'' -- a unifying framework for the construction of safe balls

論文の概要: One to beat them all: "RYU'' -- a unifying framework for the construction of safe balls

arxiv url: http://arxiv.org/abs/2312.00640v1
Date: Fri, 1 Dec 2023 15:00:59 GMT
ステータス: 処理完了
システム内更新日: 2023-12-04 14:07:56.515658
Title: One to beat them all: "RYU'' -- a unifying framework for the construction of safe balls
Title（参考訳）: 1つは全員を打ち負かす:「龍」-セーフボール構築のための統一的枠組み
Authors: Thu-Le Tran, Cl\'ement Elvira, Hong-Phuong Dang, C\'edric Herzet
Abstract要約: 我々は,対象最適化問題の双対解を確実に含む領域として,セーフボール構築のための新しい枠組みを考案した。コスト関数が閉、正則、凸リプシッツ-滑らか関数と閉、正則、凸関数の2項の和であるような標準設定に集中する。 RYUフレームワークは,過去10年間に提案されてきた最適化問題の全結果の一般化や改善を図っている。
参考スコア（独自算出の注目度）: 1.0486921990935787
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we put forth a novel framework (named ``RYU'') for the construction of ``safe'' balls, i.e. regions that provably contain the dual solution of a target optimization problem. We concentrate on the standard setup where the cost function is the sum of two terms: a closed, proper, convex Lipschitz-smooth function and a closed, proper, convex function. The RYU framework is shown to generalize or improve upon all the results proposed in the last decade for the considered family of optimization problems.
Abstract（参考訳）: 本稿では,対象最適化問題の双対解を証明可能な領域である `safe'' 球構築のための新しいフレームワーク ( `RYU''' ) を作成した。コスト関数が閉、正則、凸リプシッツ-滑らか関数と閉、正則、凸関数の2項の和であるような標準設定に集中する。 RYUフレームワークは,過去10年間に提案されてきた最適化問題の全結果の一般化や改善を図っている。

関連論文リスト

Safe Gradient Flow for Bilevel Optimization [6.3963012138521975]
階層的な意思決定において、バイレベル最適化は重要なフレームワークである。本稿では,二段階最適化問題に対する制御理論的アプローチを提案する。
論文参考訳（メタデータ） (2025-01-27T21:39:25Z)
Two-Timescale Gradient Descent Ascent Algorithms for Nonconvex Minimax Optimization [77.3396841985172]
我々は、構造化された非極小最適化問題の解法として、2時間勾配上昇(TTGDA)を統一的に解析する。我々の貢献はTTGDAアルゴリズムを設計することであり、設定を超えて効果的です。
論文参考訳（メタデータ） (2024-08-21T20:14:54Z)
Bridging the Gap Between General and Down-Closed Convex Sets in Submodular Maximization [8.225819874406238]
Mualem citemualem23re は、この手法がダウンクローズド制約と非ダウンクローズド制約の間を滑らかにできないことを示す。本研究では,物体を2つの異なる凸体に自然分解した新しいオフラインおよびオンラインアルゴリズムを提案する。また、3つのオフラインおよび2つのオンラインアプリケーションにまたがる提案アルゴリズムの優位性を実証的に示す。
論文参考訳（メタデータ） (2024-01-17T14:56:42Z)
PARL: A Unified Framework for Policy Alignment in Reinforcement Learning from Human Feedback [106.63518036538163]
我々は、強化学習におけるポリシーアライメントの最近強調された重要な問題に対処するために、新しい統合された二段階最適化ベースのフレームワーク、textsfPARLを提案する。本フレームワークは, 上向きの目標(逆設計)の分布を, 下向きの最適変数で明示的にパラメータ化することにより, これらの問題に対処する。その結果,提案したtextsfPARL が RL のアライメントの懸念に対処できる可能性が示唆された。
論文参考訳（メタデータ） (2023-08-03T18:03:44Z)
Universal Online Learning with Gradient Variations: A Multi-layer Online Ensemble Approach [57.92727189589498]
本稿では,2段階の適応性を持つオンライン凸最適化手法を提案する。我々は$mathcalO(log V_T)$, $mathcalO(d log V_T)$, $hatmathcalO(sqrtV_T)$ regret bounds for strong convex, exp-concave and convex loss function。
論文参考訳（メタデータ） (2023-07-17T09:55:35Z)
Submodular + Concave [53.208470310734825]
第一次最適化法が凹関数の最大目的値に収束できることはよく確立されている。本研究では、滑らかな函数凸体(英語版)の行列式を$F(x) = G(x) +C(x)$で始める。このクラスの函数は、保証がないような凹凸函数と連続DR-部分モジュラ函数の両方の拡張である。
論文参考訳（メタデータ） (2021-06-09T01:59:55Z)
Universal Online Convex Optimization Meets Second-order Bounds [74.0120666722487]
ユニバーサルオンライン凸最適化のための簡単な戦略を提案する。主要なアイデアは、オリジナルのオンライン機能を処理するための専門家のセットを構築し、線形化された損失に対してメタアルゴリズムをデプロイすることである。このようにして、私たちはブラックボックスの専門家として、既成のオンライン問題解決者をプラグインして、問題依存の後悔の限界を提供することができます。
論文参考訳（メタデータ） (2021-05-08T11:43:49Z)
Complementary Composite Minimization, Small Gradients in General Norms, and Applications to Regression Problems [14.759688428864157]
複合最小化は大規模凸最適化における強力なフレームワークである。補完的複合最小化のための新しいアルゴリズムフレームワークを提案する。我々は,フレームワークから得られるアルゴリズムが,ほとんどの標準最適化設定においてほぼ最適であることを証明した。
論文参考訳（メタデータ） (2021-01-26T19:21:28Z)
Regularization by Denoising via Fixed-Point Projection (RED-PRO) [34.89374374708481]
画像処理では、Denoising (RED) と Plug-and-Play Prior (RED) による正規化が使用される。どちらも様々な回復作業における最先端の結果を示しているが、理論上の正当化は不完全である。
論文参考訳（メタデータ） (2020-08-01T09:35:22Z)
Gradient-Free Methods for Saddle-Point Problem [125.99533416395765]
我々はGasnikov et al., 2017のアプローチを一般化し、不正確な勾配のないオラクルで(確率的な)凸最適化問題を解けるようにした。我々のアプローチは、$fracnlog n$ の要求するオラクル呼び出しの回数を削減します。論文の後半では、そのような仮定ができない場合を分析し、この問題を解決する方法の近代化方法に関する一般的なアプローチを提案する。
論文参考訳（メタデータ） (2020-05-12T16:44:27Z)

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。