Fugu-MT 論文翻訳(概要): Non-Euclidean High-Order Smooth Convex Optimization

論文の概要: Non-Euclidean High-Order Smooth Convex Optimization

arxiv url: http://arxiv.org/abs/2411.08987v1
Date: Wed, 13 Nov 2024 19:22:34 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-15 15:24:53.593782
Title: Non-Euclidean High-Order Smooth Convex Optimization
Title（参考訳）: 非ユークリッド高次平滑凸最適化
Authors: Juan Pablo Contreras, Cristóbal Guzmán, David Martínez-Rubio,
Abstract要約: 我々は、H"より古い連続$q$-th微分を持つ凸対象の最適化のためのアルゴリズムを、p$-normに対して開発する。他の構造化関数も最適化できる。
参考スコア（独自算出の注目度）: 9.940728137241214
License:
Abstract: We develop algorithms for the optimization of convex objectives that have H\"older continuous $q$-th derivatives with respect to a $p$-norm by using a $q$-th order oracle, for $p, q \geq 1$. We can also optimize other structured functions. We do this by developing a non-Euclidean inexact accelerated proximal point method that makes use of an inexact uniformly convex regularizer. We also provide nearly matching lower bounds for any deterministic algorithm that interacts with the function via a local oracle.
Abstract（参考訳）: 我々は,H\より古い連続$q$-th微分を持つ凸対象の最適化アルゴリズムを,$p,q \geq 1$に対して$q$-th位オーラクルを用いて,$p$-normに対して開発する。他の構造化関数も最適化できる。非ユークリッド不コンパクト加速近点法を開発し、一様凸正則化器を用いる。また、局所オラクルを介して関数と相互作用する任意の決定論的アルゴリズムに対して、ほぼ一致する下界を提供する。

関連論文リスト

An Algorithm with Optimal Dimension-Dependence for Zero-Order Nonsmooth Nonconvex Stochastic Optimization [37.300102993926046]
リプシッツの目的の滑らかな点も凸点も生成しない点の複雑さについて検討する。私たちの分析は単純だが強力だ。 Goldstein-subdifferential set, これは最近の進歩を可能にする。非滑らかな非最適化
論文参考訳（メタデータ） (2023-07-10T11:56:04Z)
An Oblivious Stochastic Composite Optimization Algorithm for Eigenvalue Optimization Problems [76.2042837251496]
相補的な合成条件に基づく2つの難解なミラー降下アルゴリズムを導入する。注目すべきは、どちらのアルゴリズムも、目的関数のリプシッツ定数や滑らかさに関する事前の知識なしで機能する。本稿では,大規模半確定プログラム上での手法の効率性とロバスト性を示す。
論文参考訳（メタデータ） (2023-06-30T08:34:29Z)
Deterministic Nonsmooth Nonconvex Optimization [94.01526844386977]
次元自由な次元自由アルゴリズムを得るにはランダム化が必要であることを示す。我々のアルゴリズムは、ReLUネットワークを最適化する最初の決定論的次元自由アルゴリズムを得る。
論文参考訳（メタデータ） (2023-02-16T13:57:19Z)
Extra-Newton: A First Approach to Noise-Adaptive Accelerated Second-Order Methods [57.050204432302195]
本研究では,2次スムーズな凸関数を最小化するための普遍的かつ適応的な2次法を提案する。我々のアルゴリズムは、オラクルフィードバックが分散$sigma2$であるときに$O(sigma / sqrtT)$収束を達成し、決定論的オラクルで$O(1 / T3)$に収束を改善する。
論文参考訳（メタデータ） (2022-11-03T14:12:51Z)
On the Complexity of Finding Small Subgradients in Nonsmooth Optimization [31.714928102950584]
決定論的アルゴリズムにより次元自由度を達成できないことを示す。関数が凸である場合に、$(delta,epsilon)$-定常点を見つける収束率をどのように改善できるかを示す。
論文参考訳（メタデータ） (2022-09-21T13:30:00Z)
A first-order primal-dual method with adaptivity to local smoothness [64.62056765216386]
凸凹対象 $min_x max_y f(x) + langle Ax, yrangle - g*(y)$, ここで、$f$ は局所リプシッツ勾配を持つ凸関数であり、$g$ は凸かつ非滑らかである。主勾配ステップと2段ステップを交互に交互に行うCondat-Vuアルゴリズムの適応バージョンを提案する。
論文参考訳（メタデータ） (2021-10-28T14:19:30Z)
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)
Parameter-free Stochastic Optimization of Variationally Coherent Functions [19.468067110814808]
我々は$mathbbRdilon上で関数のクラスを1次最適化するためのアルゴリズムを設計・解析する。この2つを同時に実現したのは初めてである。
論文参考訳（メタデータ） (2021-01-30T15:05:34Z)
High-Order Oracle Complexity of Smooth and Strongly Convex Optimization [31.714928102950584]
非常に滑らかな (Lipschitz $k$-thorder derivative) 関数と強い凸関数を$k$-thorder Oracleへの呼び出しによって最適化する複雑性を考える。我々は、関数を正確に$epsilon$まで最適化するために、固定された$k$で最悪の場合のオラクルの複雑さが$leftの順序にあることを証明している。
論文参考訳（メタデータ） (2020-10-13T19:18:15Z)
Second-Order Information in Non-Convex Stochastic Optimization: Power and Limitations [54.42518331209581]
私たちは発見するアルゴリズムを見つけます。 epsilon$-approximate stationary point ($|nabla F(x)|le epsilon$) using $(epsilon,gamma)$surimateランダムランダムポイント。ここでの私たちの下限は、ノイズのないケースでも新規です。
論文参考訳（メタデータ） (2020-06-24T04:41:43Z)

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。