【IPAM 】张量主元分析中的高维成本景观和梯度下降及其推广（High-dimensional cost landscape and gradient descent in Tensor PCA and its generalisations），附41页pdf

主题： High-dimensional cost landscape and gradient descent in Tensor PCA and its generalisations

摘要： 张量PCA是一个典型的、特别困难的高维估计问题。在本次演讲中，我将讨论如何利用统计力学方法揭示高维景观的几何结构与基于梯度下降的算法性能之间的密切联系。我还将展示，关于成本环境的额外知识如何允许设计具体和潜在的一般策略，以大幅提高基于梯度下降的算法的性能。

作者简介： Chiara Cammarota，伦敦国王学院讲师。