研究者提出SPBM优化方法用于约束机器学习

Adam Bosák等研究者提出随机惩罚-障碍法（SPBM），用于约束机器学习（CML）问题。该方法通过双变量指数平均、稳定化惩罚调度和Moreau包络处理非光滑性，扩展了经典惩罚与障碍方法。 在公平性与物理信息神经网络的多组实验中，SPBM与当前最优方法表现相当。研究称，公平性基准下约束数量从90增至9900时，该方法的每epoch运行时间基本与约束数量无关，且不超过正则化Adam的1.3倍。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。