作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
交替方向乘子法(ADMM)在机器学习问题研究中已有一些高效的实际应用,但为了适应大规模数据的处理和求解非光滑损失凸优化问题,文中提出对原ADMM进行改进,得到了损失函数线性化的ADMM的在线优化算法。该在线算法相较原算法具有操作简单、计算高效等特点。通过详尽的理论分析,文中证明了新在线算法的收敛性,并得到其在一般凸条件下具有目前最优的Regret界以及随机收敛速度。最后在与当今流行在线算法的对比实验中验证了新在线算法的高效可行性。
推荐文章
一种非光滑损失坐标下降算法
机器学习
优化
坐标下降
非光滑损失
Hinge
非光滑优化算法的研究
非光滑优化
分片光滑
下降法
一种基于Boosting的在线回归算法
在线回归
集成算法
概念漂移
基于光滑Ramp损失函数的健壮支持向量机
支持向量机
光滑Ramp损失函数
原始空间
凹凸过程
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于ADMM的非光滑损失在线优化算法
来源期刊 计算机技术与发展 学科 工学
关键词 机器学习 交替方向乘子法 在线优化 大规模 非光滑损失
年,卷(期) 2014,(2) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 96-100
页数 5页 分类号 TP301.6
字数 4249字 语种 中文
DOI 10.3969/j.issn.1673-629X.2014.02.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高乾坤 中国人民解放军陆军军官学院十一系 3 9 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (2)
参考文献  (4)
节点文献
引证文献  (6)
同被引文献  (2)
二级引证文献  (12)
1976(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
机器学习
交替方向乘子法
在线优化
大规模
非光滑损失
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导