具有潜在可行性的任务导向凸双层优化
计算机视觉与模式识别
2021-12-30 v2 最优化与控制
摘要
本文首次提出一种凸双层优化范式，用以形式化并优化现实场景中的流行学习与视觉问题。与传统方法直接基于给定问题表述设计迭代格式不同，我们引入任务导向能量作为潜在约束，其融合了更丰富的任务信息。通过显式重构可行性，我们建立了一个高效且灵活的算法框架，以处理兼具收缩解空间与强大辅助信息（基于领域知识与任务数据分布）的凸模型。在理论上，我们给出了基于潜在可行性重构的数值策略的收敛性分析，并分析了该理论收敛在计算误差扰动下的稳定性。我们进行了大量数值实验，以验证理论发现并评估所提方法在不同应用上的实际性能。
引用
@article{arxiv.1907.03083,
title = {Task-Oriented Convex Bilevel Optimization with Latent Feasibility},
author = {Risheng Liu and Long Ma and Xiaoming Yuan and Shangzhi Zeng and Jin Zhang},
journal= {arXiv preprint arXiv:1907.03083},
year = {2021}
}