PulseAugur
实时 17:59:44
English(EN) Adjusted Shuffling SARAH: Advancing Complexity Analysis via Dynamic Gradient Weighting

新的 Shuffling SARAH 算法增强了优化复杂性分析

研究人员推出了一种名为 Adjusted Shuffling SARAH 的新算法,旨在提高优化过程的效率。该方法在 SARAH 框架内结合了动态梯度加权和打乱策略。该算法有两种模式:精确模式,与方差缩减方法的理论保证相匹配;以及非精确模式,该模式使用小批量估计器来处理大规模应用。值得注意的是,非精确模式实现了与数据集大小无关的总复杂性,与现有的打乱技术相比,在大数据集上提供了卓越的可扩展性。 AI

排序理由 这是一篇详细介绍新优化算法的研究论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

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

新的 Shuffling SARAH 算法增强了优化复杂性分析

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Duc Toan Nguyen, Trang H. Tran, Lam M. Nguyen ·

    调整后的 Shuffling SARAH:通过动态梯度加权推进复杂性分析

    arXiv:2506.12444v2 Announce Type: replace-cross Abstract: In this paper, we propose Adjusted Shuffling SARAH, a novel algorithm that integrates shuffling strategies into the recursive SARAH framework using a dynamic weighting mechanism to enhance exploration. We analyze the algor…