低秩矩阵恢复中局部搜索的全局最优性
机器学习
2016-05-30 v2 机器学习
最优化与控制
摘要
我们证明，在从非相干线性测量中进行低秩矩阵恢复的非凸因子化参数化中，不存在虚假局部极小值。在含噪测量情况下，我们证明所有局部极小值都非常接近全局最优解。结合鞍点处的曲率界，这为从随机初始化开始的随机梯度下降提供了多项式时间的全局收敛保证。
引用
@article{arxiv.1605.07221,
title = {Global Optimality of Local Search for Low Rank Matrix Recovery},
author = {Srinadh Bhojanapalli and Behnam Neyshabur and Nathan Srebro},
journal= {arXiv preprint arXiv:1605.07221},
year = {2016}
}
备注
21 pages, 3 figures