← tous les travaux
Linear Convergence of Gradient and Proximal-Gradient Methods Under the Polyak-Łojasiewicz Condition
Pourquoi ce travail est-il dans la base ?
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Affiliation canadienneUne personne signataire a déclaré un établissement canadien. C'est la seule voie dont dispose la base habituelle.
Scores machine (provisoires)
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Tête enseignante Opus0,024
Tête enseignante GPT0,298
- Écart entre enseignants
- 0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
- Statut de validation
score_only:v0-immature-baseline· tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle
Résumé
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
La notice
- Revue
- Lecture notes in computer science
- Thématique
- Stochastic Gradient Optimization Techniques
- Domaine
- Computer Science
- Établissements canadiens
- University of British Columbia
- Organismes subventionnaires
- —
- Mots-clés
- ConvexityRate of convergenceApplied mathematicsMathematicsStochastic gradient descentConvergence (economics)Gradient descentMathematical proofGeneralizationSimple (philosophy)Convex functionRegular polygonMathematical optimizationComputer scienceMathematical analysisArtificial neural networkArtificial intelligenceGeometry
- Résumé présent dans OpenAlex
- non