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.
반사 브라운 운동의 정류 분포를 위한 심층 학습 방법
DeepPySR -- 실세계 과학적 발견을 위한 동적 가지치기, 파레토 선택, 계층적 합성을 갖춘 기호 회귀 프레임워크
($θ_l, θ_u$)-파라메트릭 다중 작업 최적화: 해 공간과 무한 작업 공간에서의 결합 탐색
NCA 저장소에서 자기조직화 임계성을 위한 귀납적 바이어스로서의 질량 보존
탐색적 경관 분석 맥락에서 제한된 데이터 조건의 무작위 부분공간 샘플링
시변 함수의 무후회 가우시안 프로세스 최적화
유계 첨도 하에서의 정확한 최악 꼬리 확률
다목적 조합 최적화에서 무작위 지역 탐색을 위한 가변 탐색 스텝 크기
베이지안 교사를 활용한 SGD 기반 지식 증류: 이론과 가이드라인
비단조 포함을 통한 비볼록 희소 강화학습
Decision-Focused Scenario Generation and Selection for Efficient and Robust Grid Dispatch
On the Condition Number Upper Bound of the L-BFGS Inverse Hessian Approximation Matrix with a Two-Sided Geometric Envelope Safeguarding Mechanism
Differentially Private Natural Gradient Descent
K-ABENA: K-Adaptive Backpropagation with Error-based N-exclusion Algorithm : (Compensated Loss-Based Sample Exclusion with Unbiased Gradient Estimation)
Leveraging Extragradient for Effective Sharpness-Aware Minimization in Deep Learning
엔트로픽 Wasserstein 중심점을 위한 가속 확률적 분산 감소 알고리즘
최소 제곱 회귀에서 조기 종료를 통한 정규화에 관하여
측지 공간에서 중심점 추정을 위한 유한 표본 경계
포아송 방정식을 위한 광폭 2층 물리 정보 신경망의 확률적 그래디언트 방법 수렴성
모두 (지수)족의 문제: 스케칭 알고리즘에서 최대 가능도 추정과 제어 변량의 동치성
지역 제약 베이지안 최적화
결합 경사하강법에서 과도 증폭에 대한 유사스펙트럼 경계
테이밍된 SGLD를 위한 결정론적 엔벨로프: 확률적 그래디언트 잡음 분리와 테이밍의 국소화
국소화된 길들여진 확률적 그래디언트 랑주뱅 다이나믹스를 위한 결정론적 분모 설계
재귀적 효용함수를 이용한 동적 프로그래밍을 위한 심층 학습
Bootstrap Flow-Map-Tree 샘플링을 통한 온라인 피드백 기반 탐색
모델 병합이 DiLoCo의 집계를 개선할 수 있는가?
The Multiscale Single-Index Model: A Stylized Model for Hierarchical Feature Learning
Adam의 수렴에 관하여, 재고찰
다변량 렐루 네트워크에서 SGD의 암묵적 편향: 유효 너비 붕괴
SAVER: 저선량 컴퓨터 단층촬영을 위한 확률적 적응형 분산 기반 탐험 및 재구성
최소 MMD 추정에 대한 그래디언트 플로우 관점
OmniOpt: 현대 옵티마이저의 분류체계, 기하학, 그리고 벤치마킹
딕셔너리, 다윈이 아니라: 과학적 방정식 발견에서 집합 수준 선택이 LLM 진화를 능가함
흐름 뒤의 지도: 동역학 시스템으로서의 유한 스텝 경사하강법
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.