SIAM Journal on Optimization· 2026Q1
Tekil Olmayan Birleştirme Yoluyla Sınırlı-Rank Matrisler Üzerinde Optimizasyon, Küresel ve Yerel Garantileri Birleştirir
Optimization over Bounded-Rank Matrices through a Desingularization Enables Joint Global and Local Guarantees
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Tekil olmayan bir manifold üzerindeki yeni bir Riemann geometrisi, optimizasyon algoritmalarının hem küresel durağan noktalara yakınsama hem de hızlı yerel yakınsama sağlamasına olanak tanır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Sınırlı-rank matris optimizasyonu için tekil olmayan bir manifold üzerinde bir Riemann geometrisi sunar.
- Algoritmaların hem durağan noktalara küresel yakınsama hem de hızlı yerel yakınsama sağlamasına olanak tanır.
- Ya küresel ya da yerel yakınsamayı tehlikeye atan mevcut yöntemlerin sınırlamalarını ele alır.
- Matris tamamlama görevlerinde mevcut yaklaşımlarla karşılaştırılabilir performans gösterir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract. Convergence guarantees for optimization over bounded-rank matrices are delicate to obtain because the feasible set is a nonsmooth and nonconvex algebraic variety. Existing techniques include direct optimization over bounded-rank matrices (e.g., projected gradient descent), fixed-rank optimization (over the maximal-rank stratum), and the LR parameterization. They all lack either global guarantees (the ability to accumulate only at stationary points) or fast local convergence (e.g., if the limit has nonmaximal rank). We study a lifted geometry that allows algorithms to enjoy both. Khrulkov and Oseledets [ SIAM J. Matrix Anal. Appl., 39 (2018), pp. 451–471] parameterize the bounded-rank variety via a desingularization to recast the optimization problem onto a smooth manifold. Building on their ideas, we develop a Riemannian geometry for this desingularization, also with care for numerical considerations. We use it to ensure conditions that, for many standard algorithms, yield global convergence to stationary points with fast local rates. On matrix completion tasks, we find that this approach is comparable to others.
Yazarların özeti; kaynağından alınmıştır. SIAM Journal on Optimization, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Hesaplamalı Mekanik
Computational MechanicsEngineering