Métodos híbridos de gradiente primal-dual estocástico con reducción de varianza para problemas de puntos de silla
Autores: An, Weixin; Liu, Yuanyuan; Shang, Fanhua; Liu, Hongying
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Métodos híbridos de gradiente primal-dual estocástico con reducción de varianza para problemas de puntos de silla
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
A gran escala
Estocástico
ADMMs
Tasa de convergencia
Costo por iteración
Primal-dual
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
Recientemente, se han propuesto muchos Métodos de Alternancia de Dirección Estocástica de Multiplicadores (ADMMs) para resolver problemas de aprendizaje automático a gran escala.
Descripción
Recientemente, se han propuesto muchos Métodos de Alternancia de Dirección Estocástica de Multiplicadores (ADMMs) para resolver problemas de aprendizaje automático a gran escala.