In this paper, we mainly study the gradient based Jacobi-type algorithms to maximize two classes of homogeneous polynomials with orthogonality constraints, and establish their convergence properties. For the first class of homogeneous polynomials subject to a constraint on a Stiefel manifold, we reformulate it as an optimization problem on a unitary group, which makes it possible to apply the gradient based Jacobi-type (Jacobi-G) algorithm. Then, if the subproblem can be always represented as a quadratic form, we establish the global convergence of Jacobi-G under any one of the three conditions (A1), (A2) and (A3). The convergence result for (A1) is an easy extension of the result in [Usevich et al. SIOPT 2020], while (A2) and (A3) are two new ones. This algorithm and the convergence properties apply to the well-known joint approximate symmetric tensor diagonalization and joint approximate symmetric trace maximization. For the second class of homogeneous polynomials subject to constraints on the product of Stiefel manifolds, we similarly reformulate it as an optimization problem on the product of unitary groups, and then develop a new gradient based multi-block Jacobi-type (Jacobi-MG) algorithm to solve it. We similarly establish the global convergence of Jacobi-MG under any one of the three conditions (A1), (A2) and (A3), if the subproblem can be always represented as a quadratic form. This algorithm and the convergence properties apply to the well-known joint approximate tensor diagonalization and joint approximate tensor compression. As the proximal variants of Jacobi-G and Jacobi-MG, we also propose the Jacobi-GP and Jacobi-MGP algorithms, and establish their global convergence without any further condition. Some numerical results are provided indicating the efficiency of the proposed algorithms.


翻译:在本文中, 我们主要研究基于渐变的雅各比型算法, 以最大限度地增加两种等级的同质多元- G和正方形制约, 并建立它们的趋同特性。 对于一级受斯特里盖尔元体制约的同质多元数组, 我们将其重新定位为一个单一组的优化问题, 这样可以应用基于渐变的雅各基( Jacobi- G) 类型( Jacobi- G) 算法。 然后, 如果子问题可以总是以四分形形式表示, 我们就可以在三种条件( A1, (A2) 和(A3) 中任何一个条件下建立全球同质多级多级多级数组的趋同性趋同, 我们的趋同结果很容易扩大[Usevich 和al. SIO. SIP. 2020], 而 (A2) 和 (A3) 以一个单一的同级数级数级数的算法, 这个算法和合并特性适用于共同的近级数级数分数 。 对于第二个类的多级组, 我们也可以将亚化的变数 的变数 的变数 和亚级的变数, 建立它建立一个以一个 的变数 。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【斯坦福】凸优化圣经- Convex Optimization (附730pdf下载)
专知会员服务
220+阅读 · 2020年6月5日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
ICLR 2018最佳论文AMSGrad能够取代Adam吗
论智
6+阅读 · 2018年4月20日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关VIP内容
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【斯坦福】凸优化圣经- Convex Optimization (附730pdf下载)
专知会员服务
220+阅读 · 2020年6月5日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
ICLR 2018最佳论文AMSGrad能够取代Adam吗
论智
6+阅读 · 2018年4月20日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员