Sharpness, Restart and Acceleration
Sharpness, Restart and Acceleration
复制标题
清晰度、重启和加速
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
A. d’Aspremont
中科院分区：
文献类型：
--
作者：
Vincent Roulet;A. d’Aspremont
Jasojasievicz不等式证明了凸优化问题极小值的清晰界几乎是一般成立的。在这里，我们表明，锐度直接控制性能的重新启动计划。量化锐度的常数当然是不可观测的，但我们表明，最佳的重启策略是相当强大的，搜索最佳方案只增加了对数因子的复杂性相比，最佳的界限。总的来说，重新启动方案通常会加速加速方法
The Łojasievicz inequality shows that sharpness bounds on the minimum of convex optimization problems hold almost generically. Here, we show that sharpness directly controls the performance of restart schemes. The constants quantifying sharpness are of course unobservable, but we show that optimal restart strategies are fairly robust, and searching for the best scheme only increases the complexity by a logarithmic factor compared to the optimal bound. Overall then, restart schemes generically accelerate accelerated methods
使用粗略的强凸性估计重新启动加速梯度方法
DOI：
10.48550/arxiv.1609.07358
发表时间：
2016
期刊：
--
影响因子：
--
作者：
Fercoq O
通讯作者：
Fercoq O