在线到非凸转换扩展至复合优化

研究者 Mingyi Li、Taira Tsuchiya 和 Kenji Yamanishi 将在线到非凸转换框架扩展到含凸正则项的复合非光滑非凸优化场景。做法是为在线学习器设计包含正则项本身而非其线性化的新损失函数，使算法找到 Goldstein 型稳定点所需的随机梯度查询次数为 O(δ⁻¹ε⁻³)、函数值查询次数为 O(dδ⁻¹ε⁻³)。作者称该复杂度与非复合情形的最优值一致，即额外的凸正则项不会增加 oracle 复杂度。 论文还给出光滑情形的速率并进行了数值实验。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。