BriefGPT - AI 论文速递
·
非凸问题的近似 Hessian 矩阵、梯度和函数随机优化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究使用随机TR和ARC方法实现近似二阶最优性，减少每次迭代的传播开销。数值实验表明，该算法每次迭代所需的计算开销较当前的二阶方法更少。
🎯
关键要点
- 该研究使用随机TR和ARC方法实现近似二阶最优性。
- 通过不精确计算Hessian矩阵、梯度和函数值，减少每次迭代的传播开销。
- 算法在迭代复杂度上与之前研究中的准确计算相当。
- 采用随机采样技术满足不精确性的温和条件。
- 数值实验表明，该算法每次迭代的计算开销低于当前的二阶方法。
➡️
