Fugu-MT 論文翻訳(概要): A Bregman firmly nonexpansive proximal operator for baryconvex optimization

論文の概要: A Bregman firmly nonexpansive proximal operator for baryconvex optimization

arxiv url: http://arxiv.org/abs/2411.00928v1
Date: Fri, 01 Nov 2024 15:58:02 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-05 21:27:40.227054
Title: A Bregman firmly nonexpansive proximal operator for baryconvex optimization
Title（参考訳）: バリ凸最適化のためのブレグマン強非拡張近位作用素
Authors: Mastane Achab,
Abstract要約: 凸対象の凸結合によって定義される近位作用素を一般化し、この係数をミニマックス方式で更新する。我々は、この新しい作用素が、ユークリッドと情報測地を組み合わせたブレグマンの発散に関して、しっかりとブレグマンであることを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a generalization of the proximal operator defined through a convex combination of convex objectives, where the coefficients are updated in a minimax fashion. We prove that this new operator is Bregman firmly nonexpansive with respect to a Bregman divergence that combines Euclidean and information geometries.
Abstract（参考訳）: 凸対象の凸結合によって定義される近位作用素を一般化し、この係数をミニマックス方式で更新する。我々は、この新しい作用素が、ユークリッドと情報測地を組み合わせたブレグマンの発散に関して、しっかりとブレグマンであることを示す。

関連論文リスト

To bootstrap or to rollout? An optimal and adaptive interpolation [4.755935781862859]
本稿では,ブートストラップ法とロールアウト法を補間するベルマン演算子のクラスを紹介する。我々の推定器は、ブートストラップに基づく時間差(TD)推定器とロールアウトに基づくモンテカルロ(MC)手法の強度を組み合わせる。
論文参考訳（メタデータ） (2024-11-14T19:00:00Z)
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)
Robust Low-Rank Matrix Completion via a New Sparsity-Inducing Regularizer [30.920908325825668]
本稿では,ハイブリッド常連Welsch (HOW) に新たな損失関数を提案する。
論文参考訳（メタデータ） (2023-10-07T09:47:55Z)
Multi-Bellman operator for convergence of $Q$-learning with linear function approximation [3.6218162133579694]
線形関数近似を用いた$Q$-learningの収束について検討する。新規なマルチベルマン作用素の性質を探索することにより、投影されたマルチベルマン作用素が収縮する条件を特定する。このアルゴリズムは、射影されたマルチベルマン作用素の固定点に収束し、任意の精度の解が得られることを示す。
論文参考訳（メタデータ） (2023-09-28T19:56:31Z)
Learning Dynamical Systems via Koopman Operator Regression in Reproducing Kernel Hilbert Spaces [52.35063796758121]
動的システムの有限データ軌跡からクープマン作用素を学ぶためのフレームワークを定式化する。リスクとクープマン作用素のスペクトル分解の推定を関連付ける。以上の結果から,RRRは他の広く用いられている推定値よりも有益である可能性が示唆された。
論文参考訳（メタデータ） (2022-05-27T14:57:48Z)
Bregman Plug-and-Play Priors [12.834024732756465]
理論的収束結果を示す。一般線形逆問題に対するBPGMとアルゴリズムの実証を行った。また、RED-BPGMに対して理論的収束結果を示し、線形逆問題に対するアルゴリズムを実証する。
論文参考訳（メタデータ） (2022-02-04T21:00:55Z)
Bayesian Bellman Operators [55.959376449737405]
ベイズ強化学習(RL)の新しい視点について紹介する。我々のフレームワークは、ブートストラップが導入されたとき、モデルなしアプローチは実際には値関数ではなくベルマン作用素よりも後部を推測する、という洞察に動機づけられている。
論文参考訳（メタデータ） (2021-06-09T12:20:46Z)
The kernel perspective on dynamic mode decomposition [4.051099980410583]
この写本は、クープマン作用素の動的モード分解(DMD)に関する理論的仮定を再考する。各仮定に対して、仮定の制約性を示す反例が提供される。 DMDの新しいフレームワークは、RKHSよりも密に定義されたクープマン作用素のみを必要とする。
論文参考訳（メタデータ） (2021-05-31T21:20:01Z)
Comparator-adaptive Convex Bandits [77.43350984086119]
我々は,コンパレータのノルムが小さい場合,残差が小さい凸バンディットアルゴリズムを開発した。アイデアを拡張して、リプシッツや滑らかな損失関数で包帯を凸する。
論文参考訳（メタデータ） (2020-07-16T16:33:35Z)
Best Arm Identification for Cascading Bandits in the Fixed Confidence Setting [81.70513857417106]
CascadeBAIを設計し、分析する。これは、$K$アイテムのベストセットを見つけるアルゴリズムである。 CascadeBAIの時間的複雑さの上限は、決定的な分析課題を克服することによって導かれる。その結果,カスケードBAIの性能は,時間的複雑性の低い境界の導出により,いくつかの実践的状況において最適であることが示唆された。
論文参考訳（メタデータ） (2020-01-23T16:47:52Z)
Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
論文参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。