Core Concepts
リーマン多様体上の不正確な勾配と不正確なヘッセ行列を用いる適応的立方正則化アルゴリズムを提案し、一定の仮定の下で(εg, εH)-最適性を達成するための反復複雑度を示した。また、この手法をステイファル多様体上の共同対角化問題に適用し、数値実験により従来手法よりも優れた性能を示した。
Abstract
本論文では、リーマン多様体上の大規模な分離可能な無制約最適化問題を扱う。この問題は機械学習や科学計算の分野で頻繁に現れる。
提案手法の概要は以下の通り:
不正確な勾配と不正確なヘッセ行列を用いる適応的立方正則化アルゴリズムをリーマン多様体上で提案した。
一定の仮定の下で、このアルゴリズムが(εg, εH)-最適性を達成するための反復複雑度をO(max{ε^-2_g, ε^-3_H})と示した。
提案アルゴリズムの特殊ケースとして、真の勾配を用いる適応的立方正則化アルゴリズムとその反復複雑度も示した。
ステイファル多様体上の共同対角化問題に提案アルゴリズムを適用し、数値実験により従来手法よりも優れた性能を示した。
Stats
提案アルゴリズムの反復複雑度はO(max{ε^-2_g, ε^-3_H})である。
真の勾配を用いる適応的立方正則化アルゴリズムの反復複雑度はO(max{ε^-2_g, ε^-3_H})である。
不正確な勾配を用いる適応的立方正則化アルゴリズムの反復複雑度はO(max{ε^-2_g, ε^-3_H})である。
Quotes
"リーマン幾何の枠組みには多くの利点がある。例えば、ユークリッド空間の非凸(制約付き)最適化問題をリーマン多様体上の凸(無制約)問題に変換できる。"
"ランダムサンプリング手法を用いて、勾配やヘッセ行列の近似値を計算することで、大規模問題に対して有効な手法が提案されている。"