带近邻项的可扩展 Peaceman-Rachford 分裂方法
机器学习
2018-02-13 v2 机器学习
摘要
随着 Peaceman-Rachford 分裂方法（PRSM）的发展，许多基于它的批量算法已被深入研究。但几乎尚无算法关注 PRSM 随机版本的性能。在本文中，我们提出一种基于 PRSM 的新随机算法，证明其遍历意义下的收敛速率，并在人工与真实数据上测试其性能。我们表明所提算法 Stochastic Scalable PRSM（SS-PRSM）具有 收敛速率，这与基于 ADMM 的最新随机算法相同，但快于一般的随机 ADMM（其为 ）。我们的算法还具有广泛的灵活性，优于许多源自 ADMM 的 state-of-the-art 随机算法，并在大规模分裂优化问题中具有低内存开销。
引用
@article{arxiv.1711.04955,
title = {Scalable Peaceman-Rachford Splitting Method with Proximal Terms},
author = {Sen Na and Mingyuan Ma and Mladen Kolar},
journal= {arXiv preprint arXiv:1711.04955},
year = {2018}
}