Stochastic Optimization
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 2
- 평가표
- 12
- 보존된 평가 기록
- 35
Stochastic Optimization is the task of optimizing certain objective functional by generating and using stochastic random variables. Usually the Stochastic Optimization is an iterative process of generating random variables that progressively finds out the minima or the maxima of the objective functional. Stochastic Optimization is usually applied in the non-convex functional spaces where the usual deterministic optimization such as linear or quadratic programming or their variants cannot be used.
Source: ASOC: An Adaptive Parameter-free Stochastic Optimization Techinique for Continuous Variables
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
Stride: 인포그래픽 생성을 위한 스케일 인식 다중 에이전트 진화적 정제
비가우시안 공간 장을 위한 확장 가능한 희소 자기회귀 변분 추론
분산 감소 정책 그래디언트는 거의 미니맥스-최적이다
기하학적 구조를 고려한 다중 목적 최적화: 엔트로피 기반 가중치 업데이트를 적용한 노름 제약 오라클
제약 조건이 있는 비평활 비볼록 확률적 최적화를 위한 최적 알고리즘
저비용 예측기를 활용한 무작위 모멘텀 전송
영차 잔차 추적을 통한 부분 정보 확률적 최적화
BiomedXPro: 의생명 비전-언어 모델을 활용한 설명 가능한 진단을 위한 프롬프트 최적화
비평활 서브모듈러-오목 함수의 오프라인 및 온라인 최소-최대 문제 해결: 영차(Zeroth-Order) 접근법
신뢰 영역 Q 수반 매칭
부분 피드백 환경에서의 맥락적 선형 최적화를 위한 결정 중심 온-정책 학습
붉은 여왕 괴델 머신: 에이전트와 평가자의 공진화
분수 브라운 운동으로 구동되는 신경망을 위한 샘플별 역전파 방법
타원체 샘플링을 활용한 무매개변수 영차 최적화
LLM을 활용한 제로샷 교차 문제 일반화를 위한 다중 작업 진화
분포 로버스트 최적화를 위해 진단적 이동을 통해 모호성 집합을 보정하는 기법
RFChipAgent: 아날로그/RF 칩 설계를 위한 멀티 에이전트 AI 플로우
기호 회귀에서 선택 압력으로서의 계수 보정
스펙트럼 타겟 Muon
연쇄적 선형 최소화 오라클을 활용한 대규모 언어 모델 최적화
모멘텀 경사하강법의 수정된 손실: 미세 입도 분석
모델 제한에 가려진 시스템의 부재: 공격적 AI 거버넌스에서의 측정과 책임
협력적 시뮬레이터를 넘어서: LLM 에이전트의 강건한 평가를 위한 현실적 사용자 페르소나 생성
1단계 룩어헤드 베이지안 최적화의 리그렛 보장을 향하여
MAdam: 메트릭 인식 다중 목적 Adam
아르미호 백트래킹을 통한 방향성 곡률: 저비용 선명도 프로브 및 Adam을 위한 보정 불필요 학습률 안전장치
점수 기반 생성 모델에서 확률적 경사하강법의 비점근적 수렴
거리 의존적 모멘트 조건에서의 일반적인 비볼록 SGD: 유한 시계 정지성과 나가예프 한계
증가하는 배치 크기와 감쇠하는 학습률을 활용한 샤프니스 인식 최소화 알고리즘의 수렴
KO: 편미분방정식(PDE) 시뮬레이션 접근법을 적용한 반응속도론 기반 신경망 옵티마이저
강건하고 비평활 볼록 탈중앙화 학습을 위한 빠르고 효율적인 비동기 고십 알고리즘
평균장 랑주뱅 하강-상승 및 관련 입자 시스템의 국소 지수 안정성
동적 기회 제약 노천광 채굴 일정 계획 문제를 위한 진화적 최적화 활용에 관한 연구
비동기 범주형 분포 시차 학습을 위한 정밀한 유한 반복 이론
제약 조건이 있는 머신러닝을 위한 확률적 페널티-배리어 방법
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.