子模最大覆盖问题的变分优化
机器学习
2020-06-11 v1 计算工程、金融与科学
机器学习
摘要
我们研究与应用广泛的 \emph{子模最大覆盖问题} (SMCP)。我们基于 Nemhauser 散度给出该问题的首个变分近似，并表明可利用变分优化高效求解。算法交替执行两步：(1) E 步，估计变分参数以最大化参数化 \emph{模} 下界；(2) M 步，通过求解局部近似问题更新解。我们对所提方法的性能及其依赖于曲率的近似因子给出理论分析，并在多个公开数据集与若干应用任务上进行了实证评估。
引用
@article{arxiv.2006.05583,
title = {Variational Optimization for the Submodular Maximum Coverage Problem},
author = {Jian Du and Zhigang Hua and Shuang Yang},
journal= {arXiv preprint arXiv:2006.05583},
year = {2020}
}
备注
9 pages, 7 Figures