샘플 평균과 강건 확률 근사법을 뛰어넘는 인스턴스 최적 확률 볼록 최적화

본 논문은 부드럽고 강하게 볼록한 손실 함수의 무제한 최소화를 다루며, 기존의 샘플 평균 근사(SAA)와 평균화 확률 근사(RPJ)가 제한된 샘플 크기에서 비효율적임을 보인다. 대신 변동 감소 전략인 VISOR를 제안하고, 비대칭·다중 노이즈 환경에서 인스턴스‑최적 샘플 복잡도와 오라클 복잡도를 동시에 달성함을 증명한다. 또한 일반화 선형 모델에 적용해 기존 결과를 개선한다.

저자: Liwei Jiang, Ashwin Pananjady