新算法解决带约束的拟凸优化问题

研究人员开发了一种新的非精确加速近点算法，用于处理具有一般凸约束的光滑拟凸函数。该算法实现了最优的一阶查询复杂度 $\widetilde{O}(1/(\gamma\sqrt{\varepsilon}))$，解决了该领域的一个开放性问题。该工作还分析了在此约束设置下的投影梯度下降和 Frank-Wolfe 算法，首次对具有一般凸约束的光滑拟凸函数的一阶方法进行了分析。 AI

影响 这项研究推进了适用于广义线性模型等机器学习模型的优化技术。

排序理由 该集群包含一篇研究论文，详细介绍了一种针对特定类别数学优化问题的新算法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• arXiv
• Frank-Wolfe algorithms
• Generalized Linear Models
• Koolen
• Lezane
• Martínez-Rubio
• Projected Gradient Descent
• Quasar-Convex Functions
• Riemannian optimization

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →