具有决策相关分布的随机逼近：渐近正态性和最优性
Joshua Cutler、Mateo Díaz、Dmitriy Drusvyatskiy; 25(90):1−49, 2024.
摘要
我们分析了一种用于决策相关问题的随机近似算法，其中该算法使用的数据分布沿迭代序列演化。此类问题的主要示例出现在性能预测及其多层扩展中。我们表明，在温和的假设下，算法的平均迭代次数与解之间的偏差是渐近正态的，具有协方差，可以清楚地解耦梯度噪声和分布偏移的影响。此外，基于Hájek和Le Cam的工作，我们证明了带平均的算法的渐近性能是局部极小极大最优的。
[腹肌]
[pdf格式][围兜]
