Relative Interior Rule in Block-Coordinate Descent

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F20%3A00342267" target="_blank" >RIV/68407700:21230/20:00342267 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/CVPR42600.2020.00758" target="_blank" >https://doi.org/10.1109/CVPR42600.2020.00758</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPR42600.2020.00758" target="_blank" >10.1109/CVPR42600.2020.00758</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Relative Interior Rule in Block-Coordinate Descent

Popis výsledku v původním jazyce

It is well-known that for general convex optimization problems, block-coordinate descent can get stuck in poor local optima. Despite that, versions of this method known as convergent message passing are very successful to approximately solve the dual LP relaxation of the MAP inference problem in graphical models. In attempt to identify the reason why these methods often achieve good local minima, we argue that if in block-coordinate descent the set of minimizers over a variable block has multiple elements, one should choose an element from the relative interior of this set. We show that this rule is not worse than any other rule for choosing block-minimizers. Based on this observation, we develop a theoretical framework for block-coordinate descent applied to general convex problems. We illustrate this theory on convergent message-passing methods.

Název v anglickém jazyce

Relative Interior Rule in Block-Coordinate Descent

Popis výsledku anglicky

It is well-known that for general convex optimization problems, block-coordinate descent can get stuck in poor local optima. Despite that, versions of this method known as convergent message passing are very successful to approximately solve the dual LP relaxation of the MAP inference problem in graphical models. In attempt to identify the reason why these methods often achieve good local minima, we argue that if in block-coordinate descent the set of minimizers over a variable block has multiple elements, one should choose an element from the relative interior of this set. We show that this rule is not worse than any other rule for choosing block-minimizers. Based on this observation, we develop a theoretical framework for block-coordinate descent applied to general convex problems. We illustrate this theory on convergent message-passing methods.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10101 - Pure mathematics

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition

ISBN

978-1-7281-7169-2

ISSN

1063-6919

e-ISSN

2575-7075

Počet stran výsledku

9

Strana od-do

7556-7564

Název nakladatele

IEEE Computer Society

Místo vydání

USA

Místo konání akce

Seattle

Datum konání akce

13. 6. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—