个体光滑性下二阶有限和优化复杂度下界改进
热点事件持续更新
个体光滑性下二阶有限和优化复杂度下界改进
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Xinliang Zhang、Lesi Chen、Zonghan Li、Jingzhao Zhang 提出，在个体光滑性与凸性假设下，二阶随机 oracle 复杂度下界为 Ω(n + n^{5/7} ε^{-2/7})，优于 Tsedenov & Kovalev（2026）在平均光滑性下的 minimax 最优复杂度。 作者通过建立新的二阶自约束不等式，设计 Taylor 修正惰性牛顿方法，结合最优 Monteiro-Svaiter 加速，达到 Õ(n + n^{5/7} ε^{-2/7}) 的复杂度，与下界仅差对数因子。
AI 根据报道生成 · 47 分钟前更新
最新进展11月3日 13:00
个体光滑性下的近最优二阶凸有限和优化报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv cs.AI个体光滑性下的近最优二阶凸有限和优化
针对光滑凸有限和优化，论文证明在个体光滑性与凸性假设下，二阶随机 oracle 复杂度下界为 Ω(n + n^{5/7} ε^{-2/7})，优于 Tsedenov & Kovalev（2026）在平均光滑性下的 minimax 最优复杂度。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。