RES: Regularized Stochastic BFGS Algorithm

RES, a regularized stochastic version of the Broyden-Fletcher-Goldfarb-Shanno (BFGS) quasi-Newton method, is proposed to solve strongly convex optimization problems with stochastic objectives. The use of stochastic gradient descent algorithms is widespread, but the number of iterations required to a...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on signal processing Ročník 62; číslo 23; s. 6089 - 6104
Hlavní autoři:	Mokhtari, Aryan, Ribeiro, Alejandro
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.12.2014 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Approximation Approximation algorithms Approximation methods Computation Convergence Descent Eigenvalues and eigenfunctions Heuristic large-scale optimization Linear programming Mathematical analysis Mathematical models Optimization Quasi-Newton methods Signal processing algorithms stochastic optimization Stochasticity support vector machines
ISSN:	1053-587X, 1941-0476
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!