提出带收敛保证的KM迭代学习加速框架

Andrea Martin 与 Giuseppe Belgioioso 提出一种学习优化（L2O）框架，在标准 Krasnosel'skii-Mann 不动点迭代中注入可和扰动，用于求解一般非扩张映射的不动点问题，以在特定问题分布上改善平均性能并保留收敛保证。 在度量次正则性假设下，作者证明该参数化只包含局部达到线性收敛（直至一个消失的偏置项）的迭代，并涵盖所有以足够快速率线性收敛的迭代。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。