Single-Loop Variance-Reduced Stochastic Algorithm for Nonconvex-Concave Minimax Optimization

Nonconvex-concave (NC-C) finite-sum minimax problems have broad applications in decentralized optimization and various machine learning tasks. However, the nonsmooth nature of NC-C problems makes it challenging to design effective variance reduction techniques. Existing vanilla stochastic algorithms...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the ... IEEE International Conference on Acoustics, Speech and Signal Processing (1998) s. 1 - 5
Hlavní autoři:	Jiang, Xia, Zhu, Linglingzhi, Zheng, Taoli, So, Anthony Man-Cho
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 06.04.2025
Témata:	Complexity theory Convergence Machine learning algorithms nonconvex-concave minimax optimization Numerical simulation Optimization Probabilistic logic Signal processing Signal processing algorithms single-loop Smoothing methods Speech processing stochastic algorithm variance reduction
ISSN:	2379-190X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!