PulseAugur
中
实时 05:49:41

New algorithms improve John ellipsoid approximation in optimization

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了新的算法来近似对称多面体的John椭球，改进了现有的杠杆分数方法。新方法将复杂性分为认证、识别和精度成本，表明传统的 $\varepsilon^{-1}$ 依赖性是认证过程的产物。通过关注最后一个迭代并利用加速方法和阻尼牛顿步，该算法可以在初始设置阶段后以显著减少的查询次数实现 $(1+\varepsilon)$-John保证。 AI

影响 这项研究推进了优化算法，可能影响依赖于复杂数学计算的机器学习模型训练和其他AI应用的效率。

排序理由 该集群包含一篇详细介绍优化领域新算法和理论进展的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

New algorithms improve John ellipsoid approximation in optimization

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Andi Han ·

    超越John Ellipsoid近似中的平均值：Leverage-Score模型中的高精度算法

    The John ellipsoid of a symmetric polytope $P=\{\mathbf{x}\in\mathbb{R}^d:\|\mathbf{A}\mathbf{x}\|_\infty\le1\}$, $\mathbf{A}\in\mathbb{R}^{n\times d}$, is computed by a long line of leverage-score algorithms, from Cohen, Cousins, Lee and Yang (COLT 2019) to its successors [WY24,…

相关话题