.png){kind=icon}
返回
A Novel Fixed-Point Based Two-Step Inertial Algorithm for Convex Bilevel Optimization in Deep Learning Data Classification
.png){kind=icon}
PRE
AI
DOI：10.37193/CJM.2026.02.10.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新的两步惯性算法，用于寻找可数个非扩张映射的共同不动点。我们在较弱的条件下建立了该方法的强收敛定理。随后，我们将该算法应用于求解凸双层优化问题，展示了其在处理复杂层级优化任务中的通用性。此外，我们将所提方法的应用扩展至深度学习领域的数据分类，具体采用多层隐藏层极限学习机（MELM）。我们的数值测试表明，所提方法优于文献中的现有方法，实现了更高的分类精度。实证结果证明了该方法的有效性和效率，并表明其在深度机器学习和优化应用中的潜力。
Keyword:
convex bilevel optimization
Data classification
Deep learning
Fixed-point
Optimization
Two-step inertial algorithm
