基于 Bregman 方法的稀疏有向无环图结构学习
机器学习
2020-11-06 v1 机器学习
摘要
我们针对线性结构因果模型上的结构学习提出了一种 Bregman 近端梯度方法。尽管该问题非凸、具有高曲率且事实上是 NP 难的，Bregman 梯度方法使我们能够通过针对高度非线性核度量光滑性，至少抵消部分曲率影响。这使得该方法可采取更长步长并显著改善收敛。每次迭代需求解一个 Bregman 近端步，该步是凸的且对我们特定的核选择可高效求解。我们在多个合成与真实数据集上测试了该方法。
关键词
引用
@article{arxiv.2011.02764,
title = {A Bregman Method for Structure Learning on Sparse Directed Acyclic Graphs},
author = {Manon Romain and Alexandre d'Aspremont},
journal= {arXiv preprint arXiv:2011.02764},
year = {2020}
}