Fugu-MT 論文翻訳(概要): Optimization Algorithm Design via Electric Circuits

論文の概要: Optimization Algorithm Design via Electric Circuits

arxiv url: http://arxiv.org/abs/2411.02573v1
Date: Mon, 04 Nov 2024 20:10:59 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-06 14:58:32.853774
Title: Optimization Algorithm Design via Electric Circuits
Title（参考訳）: 電気回路を用いた最適化アルゴリズムの設計
Authors: Stephen P. Boyd, Tetiana Parshakova, Ernest K. Ryu, Jaewook J. Suh,
Abstract要約: 本稿では,電気RCC回路のアイデアを用いた凸最適化アルゴリズムの設計手法を提案する。この手法の第一段階は、連続時間ダイナミクスが目の前の最適化問題の解に収束する適切な電気回路を設計することである。第2段階は、連続時間力学のコンピュータ支援による自動離散化であり、証明可能な収束離散時間アルゴリズムをもたらす。
参考スコア（独自算出の注目度）: 13.101300549333297
License:
Abstract: We present a novel methodology for convex optimization algorithm design using ideas from electric RLC circuits. Given an optimization problem, the first stage of the methodology is to design an appropriate electric circuit whose continuous-time dynamics converge to the solution of the optimization problem at hand. Then, the second stage is an automated, computer-assisted discretization of the continuous-time dynamics, yielding a provably convergent discrete-time algorithm. Our methodology recovers many classical (distributed) optimization algorithms and enables users to quickly design and explore a wide range of new algorithms with convergence guarantees.
Abstract（参考訳）: 本稿では,電気RCC回路のアイデアを用いた凸最適化アルゴリズムの設計手法を提案する。この手法の第一段階は、最適化問題の解に連続時間ダイナミクスが収束する適切な電気回路を設計することである。次に、第2段階は、連続時間力学のコンピュータ支援による自動離散化であり、証明可能な収束離散時間アルゴリズムをもたらす。提案手法は,多くの古典的(分散した)最適化アルゴリズムを復元し,コンバージェンス保証付きの新アルゴリズムを迅速に設計し,探索することを可能にする。

関連論文リスト

Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
論文参考訳（メタデータ） (2023-12-28T23:15:18Z)
Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文参考訳（メタデータ） (2023-07-17T20:11:56Z)
Stochastic Ratios Tracking Algorithm for Large Scale Machine Learning Problems [0.7614628596146599]
古典的なSGDフレームワークにおける適応的なステップ長選択のための新しいアルゴリズムを提案する。妥当な条件下では、アルゴリズムは十分に確立された理論的な要件に従ってステップ長を生成する。このアルゴリズムは,手動チューニングから得られる最良ステップ長に匹敵するステップ長を生成することができることを示す。
論文参考訳（メタデータ） (2023-05-17T06:22:11Z)
Accelerated First-Order Optimization under Nonlinear Constraints [73.2273449996098]
我々は、制約付き最適化のための一階アルゴリズムと非滑らかなシステムの間で、新しい一階アルゴリズムのクラスを設計する。これらのアルゴリズムの重要な性質は、制約がスパース変数の代わりに速度で表されることである。
論文参考訳（メタデータ） (2023-02-01T08:50:48Z)
Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文参考訳（メタデータ） (2023-01-30T15:46:39Z)
On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
バイレベル最適化は、幅広い機械学習モデルに適用されている。既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
論文参考訳（メタデータ） (2022-06-30T05:29:52Z)
Lyapunov function approach for approximation algorithm design and analysis: with applications in submodular maximization [0.0]
Lyapunov関数を用いた近似アルゴリズムの設計と解析のための2段階の体系化フレームワークを提案する。第1フェーズは、証明可能な近似比を持つ連続時間アルゴリズムを設計するためのガイドラインとして、リアプノフ関数を使用する。次に、第2フェーズは、連続時間アルゴリズムを同じ近似比と証明可能な時間で離散時間アルゴリズムに変換する。
論文参考訳（メタデータ） (2022-05-25T02:09:56Z)
A Contraction Theory Approach to Optimization Algorithms from Acceleration Flows [1.90365714903665]
私たちは、適切なODEを設計し、識別するための原則化された方法論を提供するために収縮理論を使用します。本稿では, ODE の新しいシステム,すなわち Accelerated-Contracting-Nesterov フローを提案する。注目すべきことに、この流れの単純明示的なオイラー離散化はネステロフ加速度法に対応する。
論文参考訳（メタデータ） (2021-05-18T21:11:37Z)
Optimizing Optimizers: Regret-optimal gradient descent algorithms [9.89901717499058]
我々は,後悔最適アルゴリズムの存在,一意性,一貫性について検討する。制御問題に対する一階最適条件を提供することにより、後悔最適アルゴリズムはそれらの力学において特定の構造を満たす必要があることを示す。それらを近似する高速な数値法を提案し,長期的後悔を直接最適化する最適化アルゴリズムを生成する。
論文参考訳（メタデータ） (2020-12-31T19:13:53Z)
Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文参考訳（メタデータ） (2020-10-01T18:14:11Z)

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。