Tasas adaptativas con probabilidad sustituta para FTPL
Descubre cómo las tasas de aprendizaje adaptativas con probabilidades sustitutas mejoran el algoritmo FTPL, logrando garantías de mejor de ambos mundos sin perder eficiencia computacional.
#optimización convexa
Síntesis de restricciones semánticas para optimización de trayectorias con LLMs
Descubre cómo los LLMs traducen requisitos de misión en código de optimización de trayectorias para misiones espaciales más seguras y eficientes.
Optimización convexa estocástica descentralizada casi óptima en redes
Nuevo método descentralizado acelera la optimización convexa estocástica, logrando la tasa centralizada con más trabajadores. ¡Mejora el escalamiento en redes!
De no convexo a fuertemente convexo: FTPL adaptativo para optimización online
Descubre cómo FTPL se adapta a la curvatura en optimización online, logrando desde O(√T) hasta O(log T) de regret sin conocer la curvatura por adelantado.
Bregman y Lévy: Descenso de espejo estocástico con ruido de cola pesada
¿Puede el descenso de espejo estocástico converger con ruido de cola pesada? Sí, usando procesos de Lévy. Optimización robusta para IA y cloud.
Arrepentimiento dinámico sin parámetros: costos de movimiento variables
Aprende sobre nuevo algoritmo que logra arrepentimiento dinámico adaptativo sin parámetros para optimización convexa online con costos de movimiento variables.
Convergencia de métodos de gradiente estocástico bajo ruido de cola pesada
Descubre cómo SGD y SMD convergen en expectativa bajo ruido de cola pesada sin modificaciones. Nuevos resultados revelan su potencial.
Aprendizaje robusto de neurona DRO grupal
Algoritmo eficiente para aprendizaje robusto de neuronas con DRO grupal, tolerante a ruido y cambios de distribución. Ideal para preentrenamiento de LLMs.
DisjunctiveNet: Aprendizaje simbólico neuronal con optimización convexa
DisjunctiveNet unifica redes neuronales y optimización convexa para cumplir reglas lógicas exactas en ciencia e ingeniería con datos escasos.