09:40
官方账号arXiv cs.LG@TaeHo Yoon, Nicolas Loizou
推荐理由：刚看到一篇论文，把同样本和独立样本随机外梯度的收敛性区别讲透了，还有反例。
S-SEG
共 1 条相关 AI 资讯
8月7日
09:40
该论文研究随机外梯度（SEG）方法用于单调变分不等式。作者证明，同样本SEG（S-SEG）对逐样本Lipschitz参数敏感，仅靠均方Lipschitz和有界方差无法保证收敛。他们对可能无界的可行集建立了两种SEG变体的高概率受限间隙收敛，并指出这些结果无法再一般性改进。此外，论文构造了一个随机单调VIP，其中对I-SEG有效的非对称双步长会导致S-SEG几乎必然发散。