This HTML5 document contains 41 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dctermshttp://purl.org/dc/terms/
yago-reshttp://yago-knowledge.org/resource/
dbohttp://dbpedia.org/ontology/
n13http://dbpedia.org/resource/File:
foafhttp://xmlns.com/foaf/0.1/
n15https://global.dbpedia.org/id/
yagohttp://dbpedia.org/class/yago/
dbthttp://dbpedia.org/resource/Template:
dbpedia-ruhttp://ru.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
freebasehttp://rdf.freebase.com/ns/
n10http://commons.wikimedia.org/wiki/Special:FilePath/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
wikipedia-enhttp://en.wikipedia.org/wiki/
dbchttp://dbpedia.org/resource/Category:
provhttp://www.w3.org/ns/prov#
dbphttp://dbpedia.org/property/
xsdhhttp://www.w3.org/2001/XMLSchema#
wikidatahttp://www.wikidata.org/entity/
dbrhttp://dbpedia.org/resource/

Statements

Subject Item
dbr:List_of_numerical_analysis_topics
dbo:wikiPageWikiLink
dbr:Random_coordinate_descent
Subject Item
dbr:Gradient_method
dbo:wikiPageWikiLink
dbr:Random_coordinate_descent
Subject Item
dbr:Peter_Richtarik
dbo:wikiPageWikiLink
dbr:Random_coordinate_descent
Subject Item
dbr:Random_coordinate_descent
rdf:type
yago:Cognition100023271 yago:Ability105616246 yago:Abstraction100002137 yago:Know-how105616786 yago:WikicatGradientMethods yago:Method105660268 yago:PsychologicalFeature100023100
rdfs:label
Random coordinate descent Рандомизированный координатный спуск
rdfs:comment
Рандомизированный (блочный) координатный спуск — алгоритм оптимизации, популяризованный Нестеровым (2010) и позднее дополненный Ричтариком и Такачем (2011). Первый анализ метода, когда он применяется к задаче минимизации гладкой выпуклой функции, был осуществлён Нестеровым (2010). В анализе Нестерова метод следует применять к квадратичным возмущениям исходной функции с неизвестным поправочным коэффициентом. Ричтарик и Такач (2011) дали границы сложности итераций без такого требования, то есть метод применяется к целевой функции напрямую. Более того, они обобщили постановку к задаче минимизации сложной функции, то есть суммы гладкой функции и (возможно негладкой) выпуклой блочно-разделимой функции: Randomized (Block) Coordinate Descent Method is an optimization algorithm popularized by Nesterov (2010) and Richtárik and Takáč (2011). The first analysis of this method, when applied to the problem of minimizing a smooth convex function, was performed by Nesterov (2010). In Nesterov's analysis the method needs to be applied to a quadratic perturbation of the original function with an unknown scaling factor. Richtárik and Takáč (2011) give iteration complexity bounds which do not require this, i.e., the method is applied to the objective function directly. Furthermore, they generalize the setting to the problem of minimizing a composite function, i.e., sum of a smooth convex and a (possibly nonsmooth) convex block-separable function:
foaf:depiction
n10:BlockStructure.jpg n10:Convergence_on_small_problem.jpg
dcterms:subject
dbc:Gradient_methods
dbo:wikiPageID
34432764
dbo:wikiPageRevisionID
1026813015
dbo:wikiPageWikiLink
dbr:Convex_function dbr:Mathematical_optimization dbc:Gradient_methods dbr:Gradient_descent n13:Convergence_on_small_problem.jpg dbr:Coordinate_descent n13:BlockStructure.jpg
owl:sameAs
dbpedia-ru:Рандомизированный_координатный_спуск wikidata:Q7291961 freebase:m.0j3d_k_ n15:4tRW5 yago-res:Random_coordinate_descent
dbp:wikiPageUsesTemplate
dbt:Reflist dbt:Algorithm-begin dbt:Algorithm-end
dbo:thumbnail
n10:Convergence_on_small_problem.jpg?width=300
dbo:abstract
Рандомизированный (блочный) координатный спуск — алгоритм оптимизации, популяризованный Нестеровым (2010) и позднее дополненный Ричтариком и Такачем (2011). Первый анализ метода, когда он применяется к задаче минимизации гладкой выпуклой функции, был осуществлён Нестеровым (2010). В анализе Нестерова метод следует применять к квадратичным возмущениям исходной функции с неизвестным поправочным коэффициентом. Ричтарик и Такач (2011) дали границы сложности итераций без такого требования, то есть метод применяется к целевой функции напрямую. Более того, они обобщили постановку к задаче минимизации сложной функции, то есть суммы гладкой функции и (возможно негладкой) выпуклой блочно-разделимой функции: где разложен на блоков переменных/координат: и являются (простыми) выпуклыми функциями. Пример (декомпозиция блоков): Если и , можно выбрать и . Пример (разделяемые блоки): 1. * 2. * , где and является стандартной евклидовой нормой. Randomized (Block) Coordinate Descent Method is an optimization algorithm popularized by Nesterov (2010) and Richtárik and Takáč (2011). The first analysis of this method, when applied to the problem of minimizing a smooth convex function, was performed by Nesterov (2010). In Nesterov's analysis the method needs to be applied to a quadratic perturbation of the original function with an unknown scaling factor. Richtárik and Takáč (2011) give iteration complexity bounds which do not require this, i.e., the method is applied to the objective function directly. Furthermore, they generalize the setting to the problem of minimizing a composite function, i.e., sum of a smooth convex and a (possibly nonsmooth) convex block-separable function: where is decomposed into blocks of variables/coordinates: and are (simple) convex functions. Example (block decomposition): If and , one may choose and . Example (block-separable regularizers): 1. * 2. * , where and is the standard Euclidean norm.
prov:wasDerivedFrom
wikipedia-en:Random_coordinate_descent?oldid=1026813015&ns=0
dbo:wikiPageLength
5526
foaf:isPrimaryTopicOf
wikipedia-en:Random_coordinate_descent
Subject Item
wikipedia-en:Random_coordinate_descent
foaf:primaryTopic
dbr:Random_coordinate_descent