跳到正文
热点事件持续更新

条件随机优化功能性学习方法收敛速率研究

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

研究人员针对条件随机优化问题,即仅能获得独立同分布观测对而无法直接采样条件分布的场景,提出了一种联合算法。该算法同时估计条件期望并优化外部目标,实现了学习与优化的结合。研究通过结合目标函数梯度平方范数与辅助模型均方误差的非最优化度量进行分析,证明了在辅助模型关于参数线性时,期望收敛速率为O(1/√N);对于一般平滑模型,则达到了该概率收敛速率。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    条件随机优化中一种功能性学习方法的收敛速率

    针对仅能获得独立同分布观测对且无法直接采样条件分布的条件随机优化问题,研究人员提出了一种联合估计条件期望并优化外部目标的同时学习与优化算法。 该算法通过结合目标函数梯度的平方范数与辅助参数化模型均方误差的非最优化度量,证明了当辅助模型关于参数线性时,期望收敛速率为 $\mathcal{O}(1/\sqrt{N})$;对于一般平滑模型,则以概率形式达到该速率。

本事件热度走势

可比范围当前
6
可比范围峰值
811月20日 23:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。