Аннотация:
Седловые задачи в последнее время привлекают повышенное внимание сообщества машинного обучения, главным образом из-за приложений для обучения генеративных состязательных сетей (GAN) с использованием стохастических градиентов. В то же время в некоторых приложениях доступен только оракул нулевого порядка (информация о значении функции в точке). На докладе будут рассказаны несколько алгоритмов для решения стохастических негладких и гладких (сильно) выпукло-вогнутых седловых задач с использованием оракулов нулевого порядка, оценки скорости их сходимости и ее зависимость от размерности n переменной. В частности, приведенный анализ показывает, что в случае, когда допустимое множество является прямым произведением двух симплексов, скорость сходимости для стохастического члена лишь в $\log n$ раз хуже, чем для методов первого порядка. Также продемонстрирована практическая эффективность данных методов нулевого порядка в практических задачах.
ВАЖНО! Ваш логин в Zoom должен содержать ваше ФИО (или хотя бы ИО). Если это не так, после подключения к конференции необходимо нажать "участники" на нижней панели, после этого навести курсор на своё имя и нажать "дополнительно"->"переименовать".
|
