Hoai An Le Thi;黎惠明;潘·杜恩哈特;Tran,巴赫 一类特殊非凸问题的基于DCA的新算法及其在机器学习中的应用。 (英语) Zbl 1510.90211号 申请。数学。计算。 409,文章ID 125904,22 p.(2021). 摘要:我们通过DC(凸函数差分)编程和DCA(DC算法)这两个强大的非凸优化工具来解决最小化非凸、可微函数和复合函数之和的问题。DCA的主要思想依赖于目标函数的DC分解,它包括用一系列凸程序逼近DC(非凸)程序。我们首先开发了一个标准的DCA方案,特别是处理这个问题的非常具体的结构。此外,我们对DCA进行了扩展,从而产生了一种称为DCA-Like的方法,该方法基于一种新的、有效的方法来近似DC目标函数,而不需要知道DC分解。我们进一步改进了基于DCA的算法,将Nesterov的加速技术融入其中。研究了扩展DCA在Kurdyka-Łojasiewicz假设下的收敛性质和收敛速度。我们证明了DCA-Like和加速版本随后从所考虑问题的每个初始点收敛到一个临界点。最后,我们研究了机器学习中的一个重要问题:t分布随机邻居嵌入的所提算法。在几个基准数据集上的数值实验证明了我们算法的有效性。 引用于2文件 MSC公司: 90C26型 非凸规划,全局优化 90 C56 无导数方法和使用广义导数的方法 65千5 数值数学规划方法 关键词:DC编程;DCA公司;类DCA;加速DCA;加速类DCA;非凸函数与复合函数之和;降维;t-分布随机邻域嵌入(t-SNE) 软件:L-BFGS公司;t-SNE公司 PDF格式BibTeX公司 XML格式引用 \textit{H.A.Le Thi}等人,应用。数学。计算。409,文章ID 125904,22 p.(2021;Zbl 1510.90211) 全文: 内政部 参考文献: [1] Attouch,H。;Bolt,J.,关于涉及分析特征的非光滑函数的近似算法的收敛性,数学。程序。序列号。B、 116,5-16(2009)·Zbl 1165.90018号 [2] Attouch,H。;博尔特,J。;Redont,P。;Soubeyran,A.,非凸问题的近似交替最小化和投影方法:基于kurdyka-Łojasiewicz不等式的方法,数学。操作。研究,35,2,438-457(2010)·Zbl 1214.65036号 [3] 巴达克,M。;Borwein,J.M.,局部Lipschitz函数的差分凸性,优化,60,8-9,961-978(2011)·Zbl 1237.46007号 [4] 贝克,A。;Teboulle,M.,线性反问题的快速迭代收缩阈值算法,SIAM J.成像科学。,2, 183-202 (2009) ·Zbl 1175.94009号 [5] 博尔特,J。;萨巴赫,S。;Teboulle,M.,非凸和非光滑问题的近端交替线性化最小化,数学。程序。,146, 1, 459-494 (2014) ·兹比尔1297.90125 [6] Hartman,P.,关于可表示为凸函数差分的函数,Pac。数学杂志。,9, 707713 (1959) ·Zbl 0093.06401号 [7] 辛顿,G.E。;Roweis,S.T.,随机邻域嵌入,神经信息处理系统进展,857-864(2003) [8] Le Thi,H.A。;Nguyen,B.T。;Le,H.M.,《基于凸函数差分算法的稀疏信号恢复》,《智能信息和数据库系统》,《计算机科学讲义》,7803,387-397(2013) [9] Le Thi,H.A。;Pham Dinh,T.,《DC(凸函数的差异)编程和DCA与真实世界非凸优化问题的DC模型重访》,Ann.Oper。第133、1、23-46号决议(2005年)·Zbl 1116.90122号 [10] Le Thi,H.A。;Pham Dinh,T.,DC编程和DCA:三十年的发展,数学。程序。,169, 1, 5-68 (2018) ·Zbl 1387.90197号 [11] Le Thi,H.A。;Pham Dinh,T。;Le,H.M。;Vo,X.T.,稀疏优化的DC近似方法,《欧洲期刊》,Oper。研究,244,1,26-46(2015)·Zbl 1346.90819号 [12] Maaten,L.v.d.,使用基于树的算法加速t-SNE,机器学习研究杂志,15,1,3221-3245(2014)·Zbl 1319.62134号 [13] Maaten,L.v.d。;Hinton,G.,《使用t-SNE可视化数据》,J.Mach。学习。决议,2579-2605年11月9日(2008年)·Zbl 1225.68219号 [14] Mordukhovich,B.S.,变分分析和广义微分I,Grundlehren Der Mathematicschen Wissenschaften,变分分析和广义微分(2006),施普林格出版社:施普林格出版社,柏林-海德堡 [15] Nocedal,J.,用有限存储更新拟Newton矩阵,数学。计算。,35, 151, 773-782 (1980) ·Zbl 0464.65037号 [16] Pham Dinh,T。;Le Thi,H.A.,《dc编程的凸分析方法:理论、算法和应用》,《数学学报》。越南,22,1289-355(1997)·兹伯利0895.90152 [17] 潘丁,T。;Le Thi,H.A.,解决信任区域子问题的直流优化算法,SIAM优化杂志,8,2,476-505(1998)·Zbl 0913.65054号 [18] Pham Dinh,T。;Le Thi,H.A.,《dc编程和DCA的最新进展》,《计算智能学报》第十三期,第1-37页(2014年) [19] Phan,D.N。;Le,H.M。;Le Thi,H.A.,凸函数加速差分算法及其在稀疏二元逻辑回归中的应用,第27届国际人工智能联合会议和第23届欧洲人工智能会议论文集,1369-1375(2018) [20] Phan,D.N。;Le Thi,H.A。;Pham Dinh,T.,基于DCA算法的稀疏协方差矩阵估计,神经计算。,29, 11, 3040-3077 (2017) ·Zbl 1418.62276号 [21] 阿科托马蒙杰,A。;火焰,R。;Gasso,G.,非凸优化问题的DC近似牛顿,IEEE Trans。神经网络。学习。系统。,27, 3, 636-647 (2016) [22] M.Vladymyrov,M.Carreira-Perpina,非线性嵌入快速学习的部分-黑森策略,arXiv:1206.4646(2012)。 [23] 杨,Z。;国王一世。;徐,Z。;Oja,E.,重尾对称随机邻域嵌入,神经信息处理系统进展,2169-2177(2009) [24] 杨,Z。;Peltonen,J。;Kaski,S.,流形嵌入优化,人工智能与统计,1088-1097(2015) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。