分数阶梯度下降的收敛性分析
最优化与控制
2024-06-05 v5 机器学习
数值分析
数值分析
摘要
分数阶导数是整数阶导数的一种被广泛研究的推广。自然地,在优化中,理解使用分数阶导数的梯度下降的收敛性质令人关注。目前分数阶梯度下降的收敛分析在所分析的方法与设定上均有限。本文旨在通过分析了光滑凸、光滑强凸及光滑非凸设定下的分数阶梯度下降变体来填补这些空白。首先,将建立桥接分数阶与整数阶导数的新界。随后,将这些界应用于上述设定,证明对光滑强凸函数的线性收敛及对光滑凸函数的 收敛。此外,利用更适合分数阶导数的扩展光滑性概念——Hölder 光滑性——我们证明了光滑非凸函数的 收敛。最后,给出分数阶梯度下降相对标准梯度下降潜在加速的实证结果,以及一些解释此加速的初步理论结果。
引用
@article{arxiv.2311.18426,
title = {Convergence Analysis of Fractional Gradient Descent},
author = {Ashwani Aggarwal},
journal= {arXiv preprint arXiv:2311.18426},
year = {2024}
}
备注
27 pages, 4 figures. Published in Transactions on Machine Learning Research