An accelerated first-order regularized momentum descent ascent algorithm for stochastic nonconvex-concave minimax problems

Stochastic nonconvex minimax problems have attracted wide attention in machine learning, signal processing and many other fields in recent years. In this paper, we propose an accelerated first-order regularized momentum descent ascent algorithm (FORMDA) for solving stochastic nonconvex-concave minim...

Celý popis

Podrobná bibliografie

Vydáno v:	Computational optimization and applications Ročník 90; číslo 2; s. 557 - 582
Hlavní autoři:	Zhang, Huiling, Xu, Zi
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York Springer Nature B.V 01.03.2025
Témata:	Algorithms Complexity Machine learning Methods Minimax technique Momentum Optimization Random variables Signal processing
ISSN:	0926-6003, 1573-2894
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!