English(EN) Decentralized Online Riemannian Optimization for Strongly Geodesically Convex Functions

新的分散式优化方法实现了最优遗憾界限

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-23 04:00

研究人员开发了一种新的分散式在线优化方法，用于黎曼流形上的强测地凸函数。与先前仅处理g-凸损失的方法不同，这项进展解决了分散式环境中未被探索的强g-凸情况。新方法实现了最优的 $O(\log T)$ 静态遗憾界限，与强凸欧几里得在线优化的速率相匹配，并将其界限扩展到两点老虎机反馈设置。 AI

排序理由该集群包含一篇详细介绍新优化方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Zhanyuan Cai, Emre Sahinoglu, Shahin Shahrampour · 2026-07-23 04:00

强测地凸函数的去中心化在线黎曼优化

arXiv:2607.20316v1 Announce Type: cross Abstract: We study decentralized online optimization for strongly geodesically convex (strongly g-convex) losses on Riemannian manifolds with bounded sectional curvature, including positively curved manifolds. In centralized Riemannian opti…