通过连续泛函梯度优化引导非凸模型的学习
机器学习
2020-07-01 v1 机器学习
摘要
本文提出了一种用于训练神经网络等非凸模型的连续泛函梯度优化框架，其中训练由函数空间中的镜像下降驱动。我们对该框架导出的训练方法进行了理论分析与实证研究。结果表明，该方法比标准训练技术取得了更好的性能。
引用
@article{arxiv.2006.16840,
title = {Guided Learning of Nonconvex Models through Successive Functional Gradient Optimization},
author = {Rie Johnson and Tong Zhang},
journal= {arXiv preprint arXiv:2006.16840},
year = {2020}
}
备注
ICML 2020