计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
7期
1912-1916
,共5页
机器学习%交替方向乘子法%坐标优化%大规模%非光滑损失
機器學習%交替方嚮乘子法%坐標優化%大規模%非光滑損失
궤기학습%교체방향승자법%좌표우화%대규모%비광활손실
machine learning%Alternating Direction Method of Multipliers (ADMM)%coordinate optimization%large-scale%non-smooth loss
交替方向乘子法(ADMM)在机器学习问题中已有一些实际应用.针对大规模数据的处理和非光滑损失凸优化问题,将镜面下降方法引入原ADMM批处理算法,得到了一种新的改进算法,并在此基础上提出了一种求解非光滑损失凸优化问题的坐标优化算法.该算法具有操作简单、计算高效的特点.通过详尽的理论分析,证明了新算法的收敛性,在一般凸条件下其具有目前最优的收敛速度.最后与相关算法进行了对比,实验结果表明该算法在保证解稀疏性的同时拥有更快的收敛速度.
交替方嚮乘子法(ADMM)在機器學習問題中已有一些實際應用.針對大規模數據的處理和非光滑損失凸優化問題,將鏡麵下降方法引入原ADMM批處理算法,得到瞭一種新的改進算法,併在此基礎上提齣瞭一種求解非光滑損失凸優化問題的坐標優化算法.該算法具有操作簡單、計算高效的特點.通過詳儘的理論分析,證明瞭新算法的收斂性,在一般凸條件下其具有目前最優的收斂速度.最後與相關算法進行瞭對比,實驗結果錶明該算法在保證解稀疏性的同時擁有更快的收斂速度.
교체방향승자법(ADMM)재궤기학습문제중이유일사실제응용.침대대규모수거적처리화비광활손실철우화문제,장경면하강방법인입원ADMM비처리산법,득도료일충신적개진산법,병재차기출상제출료일충구해비광활손실철우화문제적좌표우화산법.해산법구유조작간단、계산고효적특점.통과상진적이론분석,증명료신산법적수렴성,재일반철조건하기구유목전최우적수렴속도.최후여상관산법진행료대비,실험결과표명해산법재보증해희소성적동시옹유경쾌적수렴속도.
