Laboratory of Structural Methods of Data Analysis in Predictive
Modeling Moscow Institute of Physics and Technology
ENG
Логин:
Пароль:
Адаптивные алгоритмы зеркального спуска в задачах выпуклой стохастической оптимизации
Рассматривается задача выпуклой стохастической оптимизации и метод зеркального спуска (МЗС) как в «классической», так и в «адаптивной» постановке, когда последовательность обобщенной температуры не определена априори и настраивается в процессе наблюдений градиента и итеративного оценивания оптимальной точки. Доказана соответствующая адаптивная верхняя граница ошибки (относительно оптимизируемой функции) в предположении известного ограничения нормы градиента с вероятностью 1. Это является своеобразной платой за адаптивность метода по сравнению с более слабым ограничением в среднем в неадаптивной постановке.

Авторы: Nazin Alexander

Дата: 17 ноября 2014

Статус: опубликована

Журнал: Труды Института системного анализа РАН

Том: 64

Выпуск: 3

Страницы: 7-12

Год: 2014

Google scholar:

Направления исследований

Primal-dual subgradient methods

Дополнительные материалы