新算法解决了非凸多目标双层优化问题

研究人员开发了新的无Hessian算法MOMEHA和MB-MOMEHA，以解决多目标双层优化问题，特别是那些具有非凸下层的优化问题。这些方法利用Moreau包络将问题转化为具有包络约束的单层优化问题。这些算法通过单循环和无Hessian的计算效率，并结合平滑加权Tchebycheff标量化，保持了计算效率。在少样本元学习和神经架构搜索上的实验表明，这些新方法在帕累托前沿质量方面优于现有方法。 AI

影响 这些算法可以提高元学习和神经架构搜索等AI应用的效率。

排序理由 该集群包含一篇详细介绍特定优化问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• few-shot meta-learning
• MB-MOMEHA
• MOMEHA
• Moreau envelope
• Neural architecture search
• Tchebycheff scalarization

• 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 →