用于非凸无调参鲁棒回归问题的近邻-近邻优化最小化算法
最优化与控制
2021-06-28 v1 机器学习
数值分析
数值分析
统计计算
机器学习
摘要
在本文中，我们引入了一种用于非凸无调参鲁棒回归问题的近邻-近邻优化最小化（PPMM）算法。基本思想是将近邻优化最小化算法应用于求解非凸问题，其内部子问题通过基于稀疏半光滑牛顿（SSN）方法的近端点算法（PPA）求解。我们必须强调，算法设计中的主要困难在于如何克服内部子问题的奇异性困难。此外，我们还证明了 PPMM 算法收敛到 d-平稳点。由于问题的 Kurdyka-Lojasiewicz（KL）性质，我们给出了 PPMM 算法的收敛速率。数值实验表明，我们提出的算法优于现有的 SOTA 算法。
引用
@article{arxiv.2106.13683,
title = {A proximal-proximal majorization-minimization algorithm for nonconvex tuning-free robust regression problems},
author = {Peipei Tang and Chengjing Wang and Bo Jiang},
journal= {arXiv preprint arXiv:2106.13683},
year = {2021}
}
备注
31 pages, 7 tables