Fugu-MT 論文翻訳(概要): Two trust region type algorithms for solving nonconvex-strongly concave minimax problems

論文の概要: Two trust region type algorithms for solving nonconvex-strongly concave minimax problems

arxiv url: http://arxiv.org/abs/2402.09807v1
Date: Thu, 15 Feb 2024 09:13:59 GMT
ステータス: 処理完了
システム内更新日: 2024-02-16 16:15:55.639915
Title: Two trust region type algorithms for solving nonconvex-strongly concave minimax problems
Title（参考訳）: 非凸凸凸最小値問題の2つの信頼領域型アルゴリズム
Authors: Tongliang Yao and Zi Xu
Abstract要約: 我々は,ミニマックストラスト領域 (MINIMAX-TR) アルゴリズムと,非強いミニマックス問題を解くための契約アルゴリズムを提案する。どちらのアルゴリズムも、よく知られた$epsilon$epsilon-1.5の繰り返しを見つけることができる。
参考スコア（独自算出の注目度）: 0.5801621787540265
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a Minimax Trust Region (MINIMAX-TR) algorithm and a Minimax Trust Region Algorithm with Contractions and Expansions(MINIMAX-TRACE) algorithm for solving nonconvex-strongly concave minimax problems. Both algorithms can find an $(\epsilon, \sqrt{\epsilon})$-second order stationary point(SSP) within $\mathcal{O}(\epsilon^{-1.5})$ iterations, which matches the best well known iteration complexity.
Abstract（参考訳）: 本稿では, ミニマックス・トラスト領域法(MINIMAX-TR) アルゴリズムと, 契約・拡張を伴うミニマックス・トラスト領域法(MINIMAX-TRACE) アルゴリズムを提案する。どちらのアルゴリズムも $(\epsilon, \sqrt{\epsilon})$-second order stationary point(SSP) を $\mathcal{O}(\epsilon^{-1.5})$ iterations 内で見つけることができる。

関連論文リスト

Gradient Norm Regularization Second-Order Algorithms for Solving Nonconvex-Strongly Concave Minimax Problems [2.3721580767877257]
提案手法は,非強弱畳み込みミニマックス問題の解法である。本稿では,提案アルゴリズムが$mathcalを達成することを示す。スティロン 2階ノルムは上向きであることが証明されている。 tk 400ドルだ 400ドルだ 400ドルだ 400ドルだ 400ドルだ 400ドルだ 400ドルだ 400ドルだ 400ドルだ 400ドルだ $k
論文参考訳（メタデータ） (2024-11-24T09:46:36Z)
A Fully Parameter-Free Second-Order Algorithm for Convex-Concave Minimax Problems with Optimal Iteration Complexity [2.815239177328595]
凸凹極小最適化問題の解法として,Lipschitz-free Cubal regularization (LF-CR)アルゴリズムを提案する。また,この問題のパラメータを必要としない完全パラメータフリー立方正則化(FF-CR)アルゴリズムを提案する。我々の知る限り、FF-CRアルゴリズムは凸凹極小最適化問題の解法として初めて完全にパラメータフリーな2次アルゴリズムである。
論文参考訳（メタデータ） (2024-07-04T01:46:07Z)
Zeroth-Order primal-dual Alternating Projection Gradient Algorithms for Nonconvex Minimax Problems with Coupled linear Constraints [3.898056433020865]
線形制約付きミニマックス問題に対する2つのゼロ階正則複雑性アルゴリズムを提案する。我々の知る限りでは、彼らは最初の2つのゼロオーダーのアルゴリズムであり、非局所的な複雑さに最適である。
論文参考訳（メタデータ） (2024-01-26T11:22:13Z)
Near-Optimal Bounds for Learning Gaussian Halfspaces with Random Classification Noise [50.64137465792738]
この問題に対する効率的なSQアルゴリズムは、少なくとも$Omega(d1/2/(maxp, epsilon)2)$. のサンプル複雑性を必要とする。我々の下限は、この1/epsilon$に対する二次的依存は、効率的なアルゴリズムに固有のものであることを示唆している。
論文参考訳（メタデータ） (2023-07-13T18:59:28Z)
Decentralized Riemannian Algorithm for Nonconvex Minimax Problems [82.50374560598493]
ニューラルネットワークのためのミニマックスアルゴリズムは、多くの問題を解決するために開発された。本稿では,2種類のミニマックスアルゴリズムを提案する。そこで我々は, DRSGDAを提案し, 本手法が勾配を達成することを証明した。
論文参考訳（メタデータ） (2023-02-08T01:42:45Z)
Private estimation algorithms for stochastic block models and mixture models [63.07482515700984]
効率的なプライベート推定アルゴリズムを設計するための一般的なツール。最初の効率的な$(epsilon, delta)$-differentially private algorithm for both weak recovery and exact recovery。
論文参考訳（メタデータ） (2023-01-11T09:12:28Z)
Primal Dual Alternating Proximal Gradient Algorithms for Nonsmooth Nonconvex Minimax Problems with Coupled Linear Constraints [4.70696854954921]
非近位ミニマックス問題は近年、機械学習、信号処理など多くの分野に注目が集まっている。そこで本稿では,非平滑な非畳み込みミニマックス問題の解法としてDAPアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-12-09T05:32:30Z)
Best Policy Identification in Linear MDPs [70.57916977441262]
縮退した線形マルコフ+デルタ決定における最適同定問題について, 生成モデルに基づく固定信頼度設定における検討を行った。複雑な非最適化プログラムの解としての下位境界は、そのようなアルゴリズムを考案する出発点として用いられる。
論文参考訳（メタデータ） (2022-08-11T04:12:50Z)
Derivative-free Alternating Projection Algorithms for General Nonconvex-Concave Minimax Problems [9.173866646584031]
本稿では,非滑らかなゼロ次ミニマックス問題に対するアルゴリズムを提案する。また,非コンケーブミニマックス問題に対処できることを示す。
論文参考訳（メタデータ） (2021-08-01T15:23:49Z)
Second-order Conditional Gradient Sliding [79.66739383117232]
本稿では,emphSecond-Order Conditional Gradient Sliding (SOCGS)アルゴリズムを提案する。 SOCGSアルゴリズムは、有限個の線形収束反復の後、原始ギャップに二次的に収束する。実現可能な領域が線形最適化オラクルを通してのみ効率的にアクセスできる場合に有用である。
論文参考訳（メタデータ） (2020-02-20T17:52:18Z)
On Gradient Descent Ascent for Nonconvex-Concave Minimax Problems [86.92205445270427]
非コンミニマックス問題、$min_mathbfx max_mathhidoty f(mathbfdoty)$を効率的に考える。
論文参考訳（メタデータ） (2019-06-02T03:03:45Z)

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。