Convergence and Complexity of Stochastic Subgradient Methods with Dependent Data for Nonconvex Optimization
Convergence and Complexity of Stochastic Subgradient Methods with Dependent Data for Nonconvex Optimization
复制标题
非凸优化的具有相关数据的随机次梯度方法的收敛性和复杂性
DOI：
10.48550/arxiv.2203.15797
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Hanbaek Lyu
中科院分区：
文献类型：
--
作者：
Ahmet Alacaoglu;Hanbaek Lyu
一辆BSTRACT。我们证明了在一般相依数据抽样方案下，经典的弱凸函数的随机投影和近似次梯度方法具有最坏情况下的收敛速度˜O(n−1/4)和复杂性˜O(ε−4)，以获得关于ε包络的梯度范数的Moreau-近平稳点.虽然经典收敛保证需要i
A BSTRACT . We show that under a general dependent data sampling scheme, the classical stochastic projected and proximal subgradient methods for weakly convex functions have worst-case rate of convergence ˜ O ( n − 1/4 ) and complexity ˜ O ( ε − 4 ) for achieving an ε -near stationary point in terms of the norm of the gradient of Moreau envelope. While classical convergence guarantee requires i
登录
查看更多内容
DOI：
--
发表时间：
2019-11
期刊：
ArXiv
影响因子：
--
作者：
Hanbaek Lyu;D. Needell;L. Balzano
通讯作者：
Hanbaek Lyu;D. Needell;L. Balzano
影响因子：
2.2
作者：
Tao Sun;Yuejiao Sun;Yangyang Xu;W. Yin
通讯作者：
Tao Sun;Yuejiao Sun;Yangyang Xu;W. Yin
DOI：
10.1287/moor.2017.0889
发表时间：
2016-02
期刊：
Math. Oper. Res.
影响因子：
--
作者：
D. Drusvyatskiy;A. Lewis
通讯作者：
D. Drusvyatskiy;A. Lewis
影响因子：
3
作者：
Davis, Damek;Drusvyatskiy, Dmitriy;Lee, Jason D.
通讯作者：
Lee, Jason D.
影响因子：
3.5
作者：
Baars, BJ
通讯作者：
Baars, BJ