arXiv AI· Zhaosong Lu, Yifeng Xiao·· 15 小时前评分51
An inexact stochastic variance-reduced gradient method for constrained convex finite-sum optimization
摘要
为缩小这一差距,我们提出一种不精确的随机变分梯度(SVRG)方法,该方法显著提升了之前最佳知的首次阶优化复杂度,用于计算ε-SFSO解。当目标函数仅包含一个函数时,该方法退化为一种新颖的确定性首次阶方法,用于解决标准凸锥优化问题。其在目标函数上的梯度评估复杂度显著低于现有方法,并且在计算约束梯度和投影到相关锥体时比评估目标梯度更便宜。
推荐理由
请对照arXiv AI原文,核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源:arXiv AI · arxiv.org