PulseAugur
中
实时 11:06:51
English(EN) A Penalty Approach for Differentiation Through Black-Box Quadratic Programming Solvers

新的dXPP框架通过二次规划求解器增强了微分能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的基于惩罚的框架dXPP，旨在改进通过黑盒二次规划（QP）求解器进行的微分过程。该方法将QP求解与微分步骤解耦，与依赖于Karush--Kuhn--Tucker（KKT）系统的传统方法相比，提供了更高的计算效率和数值鲁棒性。在包括投资组合优化在内的各种QP任务上的实证评估表明，dXPP在大型问题上实现显著加速的同时，与现有方法相比具有竞争力。 AI

排序理由 该集群包含一篇学术论文，详细介绍了解决机器学习特定问题的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yuxuan Linghu, Zhiyuan Liu, Qi Deng ·

    A Penalty Approach for Differentiation Through Black-Box Quadratic Programming Solvers

    arXiv:2602.14154v3 Announce Type: replace Abstract: Differentiating through the solution of a quadratic program (QP) is a central problem in differentiable optimization. Most existing approaches differentiate through the Karush--Kuhn--Tucker (KKT) system, but their computational …

相关话题