LIP6 2012/001

• Rapports de recherche
  Méthode de Plans Sécants Régularisée pour l'Optimisation Non convexe : Annexe à l'article dans JMLR
• T. M. T. Do, Th. Artières
• 15 pages - 14/11/2012- document en - http://www.lip6.fr/lip6/reports/2012/lip6-2012-001.pdf - 314 Ko
• Contact : Thierry.Artieres (at) nulllip6.fr
• Équipe : MALIRE
Ce rapport est une annexe à notre article dans le Journal of Machine Learning Research (JMLR). Les deux documents traitent d'un algorithme que nous nommons NRBM (Non convex Regularized Bundle Methods) que nous avons réalisé pour traiter efficacement des problèmes d'optimisation régularisés et non convexes tels qu'on en rencontre fréquemment en apprentissage automatique. L'article de JMLR décrit l'algorithme en détails et fournit des résultats expérimentaux sur un éventail de problèmes réels en apprentissage automatique alors que ce rapport interne fournit une analyse théorique plus poussée de la convergence de l'algorithme NRBM.
• Mots clés : Apprentissage automatique, Optimisation non convexe, Méthodes des plans sécants
• Directeur de la publication : Thierry.Lanfroy (at) nulllip6.fr