实体
sequential minimal optimization
sequential minimal optimization
PulseAugur coverage of sequential minimal optimization — every cluster mentioning sequential minimal optimization across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的SMO算法利用特权信息增强单类SVM训练
研究人员开发了一种新的序贯最小优化（SMO）算法，专门用于含特权信息的单类支持向量机（OC-SVM+）。这种新颖的方法旨在解决现有研究中的一个空白，通过更有效地训练OC-SVM+模型。实验表明，所提出的SMO算法在训练OC-SVM+模型方面优于非序贯方法和内点算法，并突显了特权信息在描述性领域的影响。
-
贝叶斯参数偏移规则增强VQE梯度估计
研究人员为变分量子本征求解器（VQE）引入了参数偏移规则（PSR）的贝叶斯变体。这种新方法利用高斯过程估计目标函数梯度，提供了从任意观测点进行梯度估计的灵活性，并纳入了不确定性信息。贝叶斯PSR通过重用先前的观测并利用称为梯度置信区域（GradCoRe）的概念来减少观测成本，从而加速随机梯度下降中的优化。数值实验表明，与现有方法相比，这种方法显著加快了VQE优化速度。
-
为具有 MAPE 损失的 epsilon-SVR 开发了新的 SMO 算法
研究人员为 $\varepsilon$-SVR 开发了一种新的顺序最小优化 (SMO) 算法，该算法将平均绝对百分比误差 (MAPE) 直接纳入损失函数。这种新颖的方法通过引入样本相关的盒约束来修改标准的 $\varepsilon$-SVR，这会影响可行集和裁剪边界。该算法的一个实现可在开源的 "psvr" R 包中使用。