热点事件持续更新

幂律动态步长加速极小极大优化

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Yue Wu、Weiqiang Zheng、Yang Cai 和 Haipeng Luo 提出基于幂律分布的动态步长调度策略，加速无约束双仿射 Min-Max 优化中的 Extragradient（EG）方法收敛。同一步长设置下，该方法将最后迭代收敛率提升至 O(T^{-2/3+ε})。研究进一步发现，若将 EG 的外推步骤与更新步骤采用不同步长，收敛率可提升至近乎最优的 O(T^{-1+ε})。研究还将步长调度策略及分析扩展至 Optimistic Gradient（OG）方法，显示该方案可用于更广泛的极小极大优化问题。

AI 根据报道生成 · 2 小时前更新

最新进展11月2日 13:00

通过幂律步长加速 Min-Max 优化

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv · Machine Learning
通过幂律步长加速 Min-Max 优化
研究提出基于幂律分布的动态步长调度策略，加速 Extragradient（EG）方法在无约束双仿射 Min-Max 优化中的最后迭代收敛。同一步长下，收敛率提升至 O(T^{-2/3+ε})；为外推和更新步骤采用不同步长时，可进一步达到近乎最优的 O(T^{-1+ε})。该策略还可扩展至 Optimistic Gradient（OG）等方法。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。