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/2312.00640v2
- Date: Sun, 01 Dec 2024 15:02:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-03 16:55:57.773220
- Title: One to beat them all: "RYU" -- a unifying framework for the construction of safe balls
- Title(参考訳): すべてを打ち負かす:「りゅう」-安全なボールを作るための統一的な枠組み
- Authors: Thu-Le Tran, Clément Elvira, Hong-Phuong Dang, Cédric Herzet,
- Abstract要約: 安全領域を構築するための新しいフレームワーク「RYU」を提案する。
我々のフレームワークは、目的関数が2つのコンポーネントから構成される標準的なケースに適用されます。
- 参考スコア(独自算出の注目度): 8.63301363716006
- License:
- Abstract: In this paper, we present a new framework, called "RYU" for constructing "safe" regions -- specifically, bounded sets that are guaranteed to contain the dual solution of a target optimization problem. Our framework applies to the standard case where the objective function is composed of two components: a closed, proper, convex function with Lipschitz-smooth gradient and another closed, proper, convex function. We show that the RYU framework not only encompasses but also improves upon the state-of-the-art methods proposed over the past decade for this class of optimization problems.
- Abstract(参考訳): 本稿では,「安全な」領域を構築するための新しいフレームワーク「RYU」について述べる。
我々のフレームワークは、対象関数が2つの成分からなる標準的な場合、すなわち、リプシッツ-滑らか勾配を持つ閉、固有、凸関数と、別の閉、固有、凸関数である。
このような最適化問題に対して,過去10年間に提案されてきた最先端の手法に,RYUフレームワークが適用可能であることを示す。
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。
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。