Accelerating conditional gradient methods
By Thomas Kerdreux. 2020
11 citations recorded by the source corpus.
Les algorithmes de Frank-Wolfe sont des méthodes d’optimisation de problèmes sous contraintes. Elles décomposent un problème non-linéaire en une série de problèmes linéaires. Cela en fait des méthodes de choix pour l’optimisation en grande dimension et notamment explique leur utilisation dans de nombreux domaines appliqués. Ici nous proposons de nouveaux algorithmes de Frank-Wolfe qui convergent plus rapidement vers la solution du problème d’optimisation sous certaines hypothèses structurelles assez génériques. Nous montrons en particulier, que contrairement à d’autres types d’algorithmes, cette famille s’adapte à ces hypothèses sans avoir à spécifier les paramètres qui les contrôlent.
Subfields: Artificial Intelligence, Computational Theory and Mathematics, Numerical Analysis
How researchers see this paper
The researchers whose trusted networks rank it highest, strongest advocate first. Every researcher gets a different order.
In Artificial Intelligence
- Sebastian Pokutta
- Alexandre d'Aspremont
- Thomas Kerdreux
- Christophe Roux
- Guanghui Lan
- Fabian Pedregosa
- Sébastien Bubeck
- Sham M. Kakade
In Computational Theory and Mathematics
In Numerical Analysis
- Alexandre d'Aspremont
- Thomas Kerdreux
- Sebastian Pokutta
- Guanghui Lan
- Sébastien Bubeck
- Fabian Pedregosa
- Francis R. Bach
Citations in the corpus
- Affine Invariant Analysis of Frank-Wolfe on Strongly Convex Sets (2020, neutral): “This is in line with recent works showing that the Frank-Wolfe methods exhibit accelerated adaptive behavior under a variety of structural constraints of (1) which depend on inaccessible parameters (Kerdreux, 2020), e.”
- Projection-Free Optimization on Uniformly Convex Sets (2020, methodology): “Overall, we illustrate another key aspect of some projection-free algorithms: they are adaptive to many generic structural assumptions [Kerdreux, 2020].”
- Linear Bandits on Uniformly Convex Sets (2021, background): “Besides, they also exhibit adaptive properties to unknown structural assumptions, e.g. , unknown parameters of Hölderian Error Bounds [ KdP19; Ker20].”