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...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Computational optimization and applications Jg. 90; H. 2; S. 557 - 582
Hauptverfasser:	Zhang, Huiling, Xu, Zi
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	New York Springer Nature B.V 01.03.2025
Schlagworte:	Algorithms Complexity Machine learning Methods Minimax technique Momentum Optimization Random variables Signal processing
ISSN:	0926-6003, 1573-2894
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!