Beyond Optimal Rates in Stochastic Optimization: Trajectory-Adaptive Stopping Rules
随机优化中超越最优速率：轨迹自适应停止规则
机构 * UC Berkeley（加州大学伯克利分校） ； Inria（法国国家信息与自动化研究所） ； École Normale Supérieure（巴黎高等师范学院） ； PSL Research University（巴黎文理研究大学） ； Department of Statistics, UC Berkeley（加州大学伯克利分校统计系）
AI总结 该研究针对强凸随机优化，提出轨迹自适应停止规则，构建相关置信序列与不等式，将其扩展至小批量SGD，实验显示该规则所需迭代次数远少于确定时间范围。
