Обсуждение:Моя первая научная статья (практика, В.В. Стрижов)/Группы 774, 794, весна 2020
Материал из MachineLearning.
(Различия между версиями)
(Новая: '''На этой странице публикуются версии задач, предназначенные для студентов третего курса семестра Ве...) |
|||
Строка 11: | Строка 11: | ||
* '''Новизна''': Обоснование новизны и значимости идей (для редколлегии и рецензентов журнала). | * '''Новизна''': Обоснование новизны и значимости идей (для редколлегии и рецензентов журнала). | ||
* '''Авторы''': эксперт, консультант. | * '''Авторы''': эксперт, консультант. | ||
+ | |||
+ | |||
+ | * Название: Распределенная оптимизация в условиях Поляка-Лоясиевича | ||
+ | * Задача: Ставится задача эффективного решения больших систем нелинейных уравнений, используя сеть вычислителей. | ||
+ | * Решение: Предлагается новый метод децентрализованного распределенного решения систем нелинейных уравнений в условиях Поляка-Лоясиевича. Подход основан на том, что задачу распределенной оптимизации можно представить в виде задачи композитной оптимизации (см. 2 из литературы), которую в свою очередь можно решать аналогами метода подобных треугольников или слайдинга (см. 2 из литературы). | ||
+ | * Базовый алгоритм: предложенный метод сравнивается с градиентным спуском и ускоренным градиентным спуском | ||
+ | * Литература: | ||
+ | # Linear Convergence of Gradient and Proximal-GradientMethods Under the Polyak- Lojasiewicz Condition https://arxiv.org/pdf/1608.04636.pdf | ||
+ | # Linear Convergence for Distributed Optimization Under the Polyak-Łojasiewicz Condition https://arxiv.org/pdf/1912.12110.pdf | ||
+ | # Optimal Decentralized Distributed Algorithms for Stochastic ConvexOptimization https://arxiv.org/pdf/1911.07363.pdf | ||
+ | # СОВРЕМЕННЫЕ ЧИСЛЕННЫЕ МЕТОДЫ ОПТИМИЗАЦИИ.МЕТОД УНИВЕРСАЛЬНОГО ГРАДИЕНТНОГО СПУСКА https://arxiv.org/ftp/arxiv/papers/1711/1711.00394.pdf | ||
+ | * Новизна: сведение задачи распределенной оптимизации к задаче композитной оптимизации и ее решение в условиях Поляка-Лоясиевича | ||
+ | * Авторы: эксперт — А.В. Гасников, консультант — А.Н. Безносиков |
Версия 15:14, 10 февраля 2020
На этой странице публикуются версии задач, предназначенные для студентов третего курса семестра Весна 2020
Список проектов
Шаблон описания проекта — научной статьи
- Название: Название, под которым статья подается в журнал.
- Задача: Описание или постановка задачи. Желательна постановка в виде задачи оптимизации (в формате argmin). Также возможна ссылка на классическую постановку задачи.
- Данные: Краткое описание данных, используемых в вычислительном эксперименте, и ссылка на выборку.
- Литература: Список научных работ, дополненный 1) формулировкой решаемой задачи, 2) ссылками на новые результаты, 3) основной информацией об исследуемой проблеме.
- Базовой алгоритм: Ссылка на алгоритм, с которым проводится сравнение или на ближайшую по теме работу.
- Решение: Предлагаемое решение задачи и способы проведения исследования. Способы представления и визуализации данных и проведения анализа ошибок, анализа качества алгоритма.
- Новизна: Обоснование новизны и значимости идей (для редколлегии и рецензентов журнала).
- Авторы: эксперт, консультант.
- Название: Распределенная оптимизация в условиях Поляка-Лоясиевича
- Задача: Ставится задача эффективного решения больших систем нелинейных уравнений, используя сеть вычислителей.
- Решение: Предлагается новый метод децентрализованного распределенного решения систем нелинейных уравнений в условиях Поляка-Лоясиевича. Подход основан на том, что задачу распределенной оптимизации можно представить в виде задачи композитной оптимизации (см. 2 из литературы), которую в свою очередь можно решать аналогами метода подобных треугольников или слайдинга (см. 2 из литературы).
- Базовый алгоритм: предложенный метод сравнивается с градиентным спуском и ускоренным градиентным спуском
- Литература:
- Linear Convergence of Gradient and Proximal-GradientMethods Under the Polyak- Lojasiewicz Condition https://arxiv.org/pdf/1608.04636.pdf
- Linear Convergence for Distributed Optimization Under the Polyak-Łojasiewicz Condition https://arxiv.org/pdf/1912.12110.pdf
- Optimal Decentralized Distributed Algorithms for Stochastic ConvexOptimization https://arxiv.org/pdf/1911.07363.pdf
- СОВРЕМЕННЫЕ ЧИСЛЕННЫЕ МЕТОДЫ ОПТИМИЗАЦИИ.МЕТОД УНИВЕРСАЛЬНОГО ГРАДИЕНТНОГО СПУСКА https://arxiv.org/ftp/arxiv/papers/1711/1711.00394.pdf
- Новизна: сведение задачи распределенной оптимизации к задаче композитной оптимизации и ее решение в условиях Поляка-Лоясиевича
- Авторы: эксперт — А.В. Гасников, консультант — А.Н. Безносиков