复合非凸优化的在线转非凸框架获最优复杂度

研究者 Mingyi Li、Taira Tsuchiya 和 Kenji Yamanishi 将在线到非凸转换框架扩展到复合非光滑非凸优化场景，通过为在线学习器引入包含正则项本身而非其线性化的新损失函数，使在线镜像下降的变体实现低 regret。 所得算法达到 O(δ⁻¹ε⁻³) 随机梯度查询或 O(dδ⁻¹ε⁻³) 函数值查询复杂度，与非复合情形的最优速率一致，表明额外的凸正则项不会恶化 oracle 复杂度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。