论文部分内容阅读
由于机器学习蕴含着大量的数据,本文提出了一种名为二次增量算法并针对涉及大规模变量的一些光滑(可能是非凸的)函数之和的极小化问题.所提出的联合了增量方法的新颖算法能使所有子系统在一个强凸逼近函数作用下迭代到它们的最有值,并且保证收敛到函数的稳定点.之后应用所提出的算法框架去解决一个特殊的问题.数值实验表示所提出的算法是有效的.