避免非凸正则化问题的严格鞍点
最优化与控制
2024-12-13 v5 机器学习
摘要
本文考虑一类非凸非光滑稀疏优化问题,涵盖大多数现有的非凸稀疏诱导项。我们证明二阶最优性条件仅依赖于稳定点的非零分量。我们提出两种阻尼迭代重加权算法,包括迭代重加权 算法(DIRL)和迭代重加权 算法(DIRL),以求解这些问题。对于 DIRL,我们证明重加权 子问题具有支撑集识别性质,使得 DIRL 在稳定点附近局部退化为梯度下降算法。对于 DIRL,我们证明重加权 子问题的解映射处处可微且 Lipschitz 连续。因此,DIRL 和 DIRL 的映射及其逆映射是 Lipschitz 连续的,且严格鞍点是它们的不稳定不动点。通过应用稳定流形定理,在假设严格鞍点性质成立时,这些算法在随机初始化下仅收敛到局部极小点。
引用
@article{arxiv.2401.09274,
title = {Avoiding strict saddle points of nonconvex regularized problems},
author = {Luwei Bai and Yaohua Hu and Hao Wang and Xiaoqi Yang},
journal= {arXiv preprint arXiv:2401.09274},
year = {2024}
}
备注
24 pages