条件加速惰性随机梯度下降
机器学习
2018-02-19 v5 机器学习
摘要
在这项工作中，我们引入了一种条件加速惰性随机梯度下降算法，具有最优的随机一阶预言机调用次数和收敛速率 ，改进了 Hazan 和 Kale [2012] 基于投影自由的在线 Frank-Wolfe 随机梯度下降，其收敛速率为 。
引用
@article{arxiv.1703.05840,
title = {Conditional Accelerated Lazy Stochastic Gradient Descent},
author = {Guanghui Lan and Sebastian Pokutta and Yi Zhou and Daniel Zink},
journal= {arXiv preprint arXiv:1703.05840},
year = {2018}
}
备注
37 pages, 9 figures