Kernkonzepte
Erste Konvergenzgarantien für die letzten Iterationen inkrementeller Methoden in kontinuierlichem Lernen.
Zusammenfassung
Das Dokument untersucht die Konvergenz der letzten Iterationen inkrementeller Methoden in kontinuierlichem Lernen. Es werden Oracle-Komplexitätsbeschränkungen für die letzten Iterationen von Standardvarianten des inkrementellen Gradientenverfahrens und des inkrementellen proximalen Verfahrens bereitgestellt. Die Ergebnisse zeigen, dass die Oracle-Komplexitätsbeschränkungen für die letzten Iterationen fast den besten bekannten Oracle-Komplexitätsbeschränkungen für die durchschnittliche Iteration entsprechen. Es wird auch diskutiert, wie die Ergebnisse auf gewichtete Durchschnittsberechnungen erweitert werden können.
Struktur:
Einleitung
Inkrementelles Gradientenverfahren und Shuffled SGD
Weitere verwandte Arbeiten
Notation und Grundlagen
Statistiken
Unsere Hauptbeiträge können wie folgt zusammengefasst werden.
Oracle-Komplexitätsbeschränkungen für die letzten Iterationen inkrementeller Gradienten- und proximaler Methoden werden bereitgestellt.
Die Ergebnisse zeigen eine fast identische Rate für die letzten Iterationen im Vergleich zur durchschnittlichen Iteration.
Zitate
"Unsere Hauptbeiträge können wie folgt zusammengefasst werden."