★ 2
基于 Frank-Wolfe 的约束组合优化自监督学习
论文提出一种通用框架，允许神经网络预测任意连续向量，再通过基于 Frank-Wolfe 与近似 Carathéodory 结果的几何分解算法，用可行解的稀疏凸组合逼近。该分解导出几乎处处可微的自监督损失，并在推理时提供自动舍入保证。在二次分配、最大覆盖与旅行商问题上展示了强劲性能。
arXiv cs.LG40 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一种通用框架，允许神经网络预测任意连续向量，再通过基于 Frank-Wolfe 与近似 Carathéodory 结果的几何分解算法，用可行解的稀疏凸组合逼近。该分解导出几乎处处可微的自监督损失，并在推理时提供自动舍入保证。在二次分配、最大覆盖与旅行商问题上展示了强劲性能。