隴 盛，陶 蔚，張澤東，陶 卿

（1.國防科技大學(xué)信息系統(tǒng)工程重點(diǎn)實(shí)驗(yàn)室，湖南長沙 410073；2.軍事科學(xué)院戰(zhàn)略評(píng)估咨詢中心，北京 100091；3.陸軍炮兵防空兵學(xué)院信息工程系，安徽合肥 230031）

1 引言

在線學(xué)習(xí)（online learning）是用來分析迭代算法的流行框架，后悔界（regret bound）則是衡量在線優(yōu)化算法性能的重要指標(biāo)［1］.針對一般凸優(yōu)化問題，Zinkevich提出的OGD（Online Gradient Decent）［2］方法達(dá)到了最壞情況下O()的后悔界，其中T是總迭代次數(shù).而在非光滑強(qiáng)凸情形中，Hazan等人在OGD基礎(chǔ)上調(diào)整步長階為得到了更好的O(logT)對數(shù)階后悔界［3］，其中t=1，2，···，T.

雖然在線學(xué)習(xí)理論和應(yīng)用方面都取得成功，但是實(shí)驗(yàn)中模擬在線流程較為復(fù)雜，算法往往需要更簡單的隨機(jī)實(shí)驗(yàn)環(huán)境［4］.因此，本文關(guān)注OGD經(jīng)過標(biāo)準(zhǔn)的online-to-batch技巧轉(zhuǎn)換后，得到的隨機(jī)算法SGD（Stochastic Gradient Decent）.兩者本質(zhì)上是同一算法，區(qū)別在于應(yīng)用場景不同，OGD用后悔界度量其在線學(xué)習(xí)性能，SGD靠收斂速率評(píng)價(jià)在隨機(jī)優(yōu)化中的表現(xiàn).在強(qiáng)凸情形中，SGD得到了O(logT/T)的收斂速率.與之相比，Agarwal等人證明了在最好情況下，一階隨機(jī)優(yōu)化算法解非光滑強(qiáng)凸問題的收斂速率是Ω(1/T)［5］.為達(dá)到與之匹配的最壞情況下的最優(yōu)收斂速率O(1/T)，許多算法在分析中引入了光滑條件（例如梯度Lipschitz連續(xù)、高階可微等）.但是這些假設(shè)往往是不平凡的，并且無法應(yīng)用于非光滑目標(biāo)函數(shù)（例如hinge損失）.文獻(xiàn)［6］提出一種結(jié)合了COMID（Composite Objective Mirror Descent）的非光滑隨機(jī)坐標(biāo)下降方法，不僅保持了正則化結(jié)構(gòu)，而且計(jì)算代價(jià)極低，遺憾的是在強(qiáng)凸情形中未能達(dá)到最優(yōu).因此長期以來，SGD都無法跨過對數(shù)階的鴻溝，達(dá)到非光滑強(qiáng)凸情形的最優(yōu)收斂速率.

為了解決這個(gè)問題，研究者通常采取兩種方案：其一是改進(jìn)SGD算法本身，結(jié)合各種加速技巧提升算法收斂速率.2011年，Hazan等人提出著名的Epoch-GD（Epoch Gradient Descent）［7］，該算法其實(shí)是在SGD基礎(chǔ)上引入了“多階段循環(huán)”這個(gè)新的概念.雖然Epoch-GD達(dá)到了最優(yōu)收斂速率O(1/T)，但Rakhlin等人認(rèn)為，大幅修改算法不足以證明SGD徹底突破了強(qiáng)凸優(yōu)化中對數(shù)因子的阻礙，因此提出了第二種方案——修改算法輸出方式.在以往收斂性分析中，SGD輸出全部T次迭代平均結(jié)果，Rakhlin提出在不改變算法的前提下，用α-suffix［8］方式（輸出后半部分迭代平均）進(jìn)行替換，最終達(dá)到了O(1/T)收斂速率.然而，α-suffix技巧也存在問題，首先它給收斂性分析增加了難度，其次不能以on-the-fly的模式存儲(chǔ)歷史迭代結(jié)果，從而增加了計(jì)算開銷.幸運(yùn)的是，文獻(xiàn)［9～11］中采用的加權(quán)平均輸出方式克服了這個(gè)缺點(diǎn).該方法對理論分析十分友好，且只需對SGD每次迭代結(jié)果賦予權(quán)重值最后進(jìn)行平均輸出，就可以在支持on-the-fly計(jì)算方式的同時(shí)，保證最優(yōu)的收斂速率.

近年來，在SGD基礎(chǔ)上使用自適應(yīng)梯度調(diào)整步長，并且用動(dòng)量搜索方向的算法稱為Adam型算法，例如Adam［12］、NAdam（Nesterov-accelerated Adaptive moment estimation）［13］、PAdam（Partially Adaptive moment estimation）［14］、Adaptive HB（Adaptive Polyak’s Heavy-Ball）［15］等.這類算法在非光滑凸情形中保證的收斂速率，并且具有適合稀疏優(yōu)化、體現(xiàn)不同維度差異等優(yōu)點(diǎn).然而文獻(xiàn)［16］指出，在某些簡單的凸環(huán)境中，所有基于指數(shù)移動(dòng)平均（Exponential Moving Average，EMA）的Adam型算法都不收斂，這就是著名的Reddi問題.針對該問題，Reddi等人提出了改進(jìn)算法AMSGrad［16］和AdamNC［16］.另一方面，Adam型算法在強(qiáng)凸優(yōu)化中的應(yīng)用也逐漸發(fā)展起來.2017年Mukkamala等人提出了SC-Adagrad（Strongly Convex Adagrad）［17］和SC-RMSProp（Strongly Convex RMSProp）［17］算法，應(yīng)對在線學(xué)習(xí)問題得到了數(shù)據(jù)依賴（處理稀疏數(shù)據(jù)時(shí)表現(xiàn)更好）的對數(shù)階后悔界.2018年，Chen等人在Epoch-GD基礎(chǔ)上結(jié)合AdaGrad［18］提出了SadaGrad［19］，雖然在隨機(jī)情形下得到了O(1/T)的最優(yōu)收斂速率，但是只適用于弱強(qiáng)凸環(huán)境.2019年，Wang等人提出SAdam［20］，盡管在處理稀疏數(shù)據(jù)時(shí)得到比OGD更好的后悔界，體現(xiàn)出自適應(yīng)步長方法的優(yōu)勢，但是轉(zhuǎn)換為隨機(jī)算法時(shí)只能得到O(logT/T)的收斂速率，因此沒有體現(xiàn)動(dòng)量的加速作用，與最優(yōu)收斂速率依然存在對數(shù)階的間隙.

面對非光滑強(qiáng)凸優(yōu)化問題，SGD能夠得到最優(yōu)收斂速率O(1/T)，但是到目前為止，SGD改良產(chǎn)生的Adam型算法反而無法達(dá)到上述目標(biāo).因此，如何使Adam型算法達(dá)到最優(yōu)收斂亟待解決.正如文獻(xiàn)［20］中所說，寄希望于SAdam與Epoch-GD技巧結(jié)合是不平凡的.綜上所述，本文旨在基于動(dòng)量法和自適應(yīng)步長，結(jié)合修改輸出方式這一技巧提出新的Adam型算法，保證其在非光滑強(qiáng)凸情形中達(dá)到最優(yōu)收斂速率O(1/T).

本文的主要貢獻(xiàn)如下：

（1）提出了一種名為WSAdam的Adam型算法，該算法在SAdam基礎(chǔ)上進(jìn)行改進(jìn)，采用加權(quán)平均的輸出方式，設(shè)置了與以往強(qiáng)凸算法同階的步長超參數(shù).既保持了Adam型算法體現(xiàn)不同維度差異的優(yōu)點(diǎn)，又通過on-the-fly計(jì)算降低了運(yùn)行成本；

（2）針對約束的非光滑強(qiáng)凸優(yōu)化問題，證明了本文所提的WSAdam隨機(jī)情形下具有O(1/T)的最優(yōu)收斂速率（見定理1）.據(jù)我們所知，這一結(jié)果消去了強(qiáng)凸優(yōu)化中常見的對數(shù)階因子，填補(bǔ)了Adam型算法強(qiáng)凸最優(yōu)收斂性方面的缺失；

（3）證明了在導(dǎo)致Adam發(fā)散的優(yōu)化問題［16］上，WSAdam仍能保持收斂，表明WSAdam可以解決Reddi問題.另外，選擇了典型的l2范數(shù)約束下的hinge損失函數(shù)強(qiáng)凸優(yōu)化問題，通過與幾種常見強(qiáng)凸算法進(jìn)行比較實(shí)驗(yàn)，驗(yàn)證了理論分析的正確性，也表明所提算法優(yōu)于現(xiàn)有的強(qiáng)凸Adam型算法.

2 相關(guān)工作

本文主要考慮求解如下非光滑約束優(yōu)化問題：

其中Q∈Rd是閉凸集，為式（1）的一個(gè)最優(yōu)解，f是Q上的非光滑強(qiáng)凸函數(shù)，定義如下：

那么稱函數(shù)f為λ-強(qiáng)凸.

在線學(xué)習(xí)的目標(biāo)是最小化后悔界（Regret bound），定義如下：

其中ft(t=1，2，···，T)均為強(qiáng)凸函數(shù)，ft(wt)表示ft在wt處的損失.常用優(yōu)化器是OGD，見算法1.

算法1中αt代表步長，gt表示ft(wt)的次梯度，PQ表示在Q上投影算子.

然而在線設(shè)置中，不可預(yù)見整體目標(biāo)函數(shù)，需要學(xué)習(xí)環(huán)境響應(yīng)上一輪迭代結(jié)果后提供損失ft，然后才能觀察到當(dāng)前迭代的次梯度gt，因此不適用于算法的實(shí)驗(yàn)驗(yàn)證.

通常用SGD解得上述隨機(jī)情形中的收斂速率，具體形式見算法2.

算法2中αt代表步長，ξt?ξ表示第t次迭代時(shí)隨機(jī)抽取的樣本表示f(wt，ξt)的次梯度.

SGD計(jì)算次梯度只與每輪隨機(jī)抽取的樣本相關(guān)，當(dāng)假設(shè)全體樣本獨(dú)立同分布時(shí)，在第t次迭代時(shí)刻，關(guān)于部分樣本的目標(biāo)函數(shù)f(wt，ξt)的次梯度?是整個(gè)目標(biāo)函數(shù)f(wt，ξ)次梯度的無偏估計(jì)，也就是

其中α∈(0，1)，令αT為整數(shù).但是，這種方式需要將所有的迭代結(jié)果存入內(nèi)存或者提前知道總迭代次數(shù)T，這極大增加了計(jì)算開銷.

針對這個(gè)問題，一種能夠on-the-fly計(jì)算的加權(quán)平均輸出方式被提出：

除了改進(jìn)輸出方式，升級(jí)為Adam型算法也是提高SGD性能的主要途徑之一，其具體描述見算法3.

在算法3中，動(dòng)量由歷史梯度緩沖器mt承載，自適應(yīng)步長由構(gòu)成.Adam型算法的自動(dòng)調(diào)整步長機(jī)制，關(guān)鍵技術(shù)是平方梯度的指數(shù)移動(dòng)平均（Exponential Moving Average，EMA）：

雖然該策略可以摒棄過早的梯度，并且避免訓(xùn)練提前終止，但是不能保證是單調(diào)非增的.迭代后期過大的步長可能導(dǎo)致算法不收斂，從而陷入Reddi問題（詳細(xì)例子在第4節(jié)實(shí)驗(yàn)中描述）.

解決方案是AMSGrad和AdamNC兩種算法，SAdam在AdamNC基礎(chǔ)上改進(jìn)而來也有效避免了不收斂問題.不同的αt，mt，Vt設(shè)定方案對應(yīng)不同Adam型算法，我們將常見的幾種列舉出來，后悔界和隨機(jī)情形下收斂速率對比如表1所示.其中前三種算法針對一般凸函數(shù)，后三種針對強(qiáng)凸函數(shù).

表1 常見Adam型算法對比

表1中α為某一固定參數(shù)，向量或矩陣間運(yùn)算都是基于元素的，diag(·)是取對角矩陣運(yùn)算，Id是d維單位矩陣，δ是平滑系數(shù).

3 WSAdam算法

對于非光滑強(qiáng)凸優(yōu)化問題，為了構(gòu)造達(dá)到最優(yōu)收斂速率O(1/T)的新算法，我們的思路是在SAdam基礎(chǔ)上，重新設(shè)計(jì)與以往強(qiáng)凸算法同階的步長超參數(shù)（即最終步長滿足O(1/t)），摒棄以往的標(biāo)準(zhǔn)平均輸出方式，用加權(quán)平均輸出方式取代之.本文提出的WSAdam算法見算法4.

算法4 WSAdam算法輸入:w1=0 For t=1 to T Compute g?t=?f(wt，ξt)Update mt=β1，tmt-1+(1-β1，t)g?t Update Vt=β2，tVt-1+(1-β2，t)diag(g?2 t)Update V?t=Vt+δId Update wt+1=PV?t Q[wt-αtmtV?-1t]End for輸出:wˉw T=2 Ttwt T+1∑t=1 T( )

由式（7）可知，WSAdam的有效步長為O(1/t)，與以往強(qiáng)凸算法步長同階.由于Vt，i+δ積累矩陣第i維度數(shù)值，算法步長因此在不同維度上得到加權(quán)區(qū)分，從而在不同待訓(xùn)參數(shù)之間體現(xiàn)出差異性.

另一方面，WSAdam采用加權(quán)平均的輸出方式，保持了on-the-fly計(jì)算的優(yōu)點(diǎn)，更為重要的一點(diǎn)是，所加權(quán)重消去了導(dǎo)致以往算法產(chǎn)生對數(shù)階的結(jié)構(gòu)，因此能夠達(dá)到最優(yōu)收斂，這將在下一節(jié)中展開說明.

4 WSAdam算法收斂速率分析

為了達(dá)到非光滑強(qiáng)凸情形的最優(yōu)收斂速率，我們首先尋找SGD產(chǎn)生對數(shù)階的原因，然后介紹加權(quán)平均輸出技巧解決此問題的原理.

首先，我們需要給出一些假設(shè)條件，這些假設(shè)在以往收斂性分析中普遍存在.

假設(shè)1存在常數(shù)G＞0和G∞＞0使得：

假設(shè)2存在常數(shù)D＞0和D∞＞0使得：

然后，根據(jù)文獻(xiàn)［9］中對強(qiáng)凸SGD的分析得下式：

其中，αt是步長，λmin是強(qiáng)凸系數(shù)λ中的最小元素值.令上式得：

對上式從t=1到t=T求和得：

從上式第二行可以觀察到，前一項(xiàng)為負(fù)數(shù)可以放縮消去，第二項(xiàng)導(dǎo)致了對數(shù)因子的產(chǎn)生.

因此我們著重處理后一項(xiàng)，采用權(quán)重為t的加權(quán)平均輸出方式，令上式不等號(hào)兩邊同時(shí)乘t得到：

觀察上式最后一行，發(fā)現(xiàn)后一項(xiàng)上的1t已被消去，此時(shí)從t=1到t=T求和不會(huì)再產(chǎn)生對數(shù)因子，做加權(quán)平均可得如下最優(yōu)收斂速率：

本文將上述原理遷移到WSAdam算法的收斂性分析中，此外，還需要如下引理.

引理1假設(shè)1≤t≤T，0＜ν＜1，f(ν)表示關(guān)于ν的函數(shù)，(f(ν))'表示f(ν)的導(dǎo)函數(shù)，則有下式成立：

證明

引理1證畢.

定理1令假設(shè)1和假設(shè)2成立由算法4產(chǎn)生，f滿足定義1中的λ-強(qiáng)凸性質(zhì)，w*∈Q為問題式（1）的一個(gè)最優(yōu)解，結(jié)合引理1，隨機(jī)WSAdam能夠保證如下收斂速率：

注意，上式表明WSAdam具有O(1/T)的最優(yōu)收斂速率.與SAdam達(dá)到O(logT/T)次優(yōu)收斂速率相比，WSAdam體現(xiàn)出了動(dòng)量方法的加速性，填補(bǔ)了Adam型算法在非光滑強(qiáng)凸情形最優(yōu)收斂性方面的缺失.

證明根據(jù)算法5中步驟7，由投影非擴(kuò)張性可得：

上式移項(xiàng)，兩邊除以2at(1-β1，t)得：

因?yàn)閒(wt，ξt)滿足λ-強(qiáng)凸，聯(lián)立上式得：

上式不等號(hào)兩邊同時(shí)取期望得：

上式不等號(hào)兩邊同乘以t，并從t=1到t=T求和得：

首先處理P1：

即：

然后處理P2，由m0=0，β1，t≤1，β1，t≤β1，t-1得：

將mt和展開得：

最后處理P3：

上式結(jié)合引理1得：

聯(lián)立P1，P2，P3得：

由凸函數(shù)基本性質(zhì)得最終加權(quán)平均收斂速率：

定理1證畢.

5 實(shí)驗(yàn)

本節(jié)分兩部分對上一節(jié)中最優(yōu)收斂速率的理論分析進(jìn)行實(shí)驗(yàn)驗(yàn)證.第一部分驗(yàn)證WSAdam算法能夠解決Reddi問題；第二部分驗(yàn)證WSAdam在非光滑強(qiáng)凸情形優(yōu)于現(xiàn)有算法.

5.1 Reddi問題的實(shí)驗(yàn)結(jié)果與分析

2018年，Reddi等人證明了Adam算法在優(yōu)化一個(gè)經(jīng)過特殊構(gòu)造的一般凸函數(shù)時(shí)發(fā)散.事實(shí)上，所有基于EMA技巧的Adam型算法都有可能存在這個(gè)問題，也被稱為Reddi問題：

考慮如下定義域?yàn)閇-1，+1]的線性函數(shù)序列：

其中C=3.在這個(gè)函數(shù)序列中，可以明顯看出當(dāng)w=-1時(shí)得到最小的后悔界.然而，Adam錯(cuò)誤地將參數(shù)指向+1方向進(jìn)行更新，導(dǎo)致不收斂.

本文實(shí)驗(yàn)設(shè)置初始w=1，t=[1，5000]，將WSAdam與其他4種經(jīng)典Adam型算進(jìn)行比較，觀察它們解上述在線優(yōu)化問題的表現(xiàn).為公平起見，所有算法統(tǒng)一設(shè)置參數(shù)α=0.5，β1=0，δ=1e-8，Adam和AMSGrad均設(shè)置β2=0.1，AdamNC、SAdam和WSAdam均設(shè)置β2，t=1-0.1t.實(shí)驗(yàn)結(jié)果如圖1所示，其中圖1（a）的橫坐標(biāo)代表迭代次數(shù)（t），縱坐標(biāo)代表平均后悔界（Regret boundt）；圖1（b）的橫坐標(biāo)代表迭代次數(shù)（t），縱坐標(biāo)代表參數(shù)（w）.如圖1所示，在迭代5000次后，Adam參數(shù)值w=+1是次優(yōu)解，平均后悔界無法收斂到0，從而證實(shí)了Reddi問題.AMSGrad、AdamNC、SAdam和WSAdam的參數(shù)值w=-1達(dá)到了最優(yōu)解，且平均后悔界均收斂到0，證實(shí)了這些算法改進(jìn)Adam是有效的，成功解決了Reddi問題.

另外，從圖1（a）中還可以看出，強(qiáng)凸算法SAdam、WSAdam比一般凸算法Adam、AMSGrad、AdamNC收斂更快，說明SAdam、WSAdam對一般凸函數(shù)同樣適用，并且本文所提WSAdam收斂最快，優(yōu)于現(xiàn)有的Adam型算法.

圖1 Reddi問題實(shí)驗(yàn)結(jié)果

5.2 非光滑強(qiáng)凸情形標(biāo)準(zhǔn)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果與分析

本文第二個(gè)實(shí)驗(yàn)繼承文獻(xiàn)［21］中隨機(jī)設(shè)置環(huán)境，考慮典型的二分類強(qiáng)凸支持向量機(jī)（SVM）問題，假設(shè)全體樣本集目標(biāo)函數(shù)f(w，ξ)由l2范數(shù)結(jié)構(gòu)項(xiàng)和非光滑hinge損失組成，描述如下：

第t次迭代時(shí)，抽取樣本子集ξt參與計(jì)算的次梯度?f(wt，ξt)可以寫成如下形式：

采用6個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集，分別是cod-rna、ijcnn1、gisette、madelon、a9a和live-disorders.這些數(shù)據(jù)集均來自于LIBSVM網(wǎng) 站（https：//www.csie.ntu.edu.tw/～cjlin/libsvmtools/datasets/），具體描述可見表2.

表2 標(biāo)準(zhǔn)數(shù)據(jù)庫描述

實(shí)驗(yàn)選擇了著名的解SVM問題的pegasos［21］算法，以及幾種典型的強(qiáng)凸Adam型算法作為比較對象.為公平起見，所有算法設(shè)置參數(shù)α=1.另外，pegasos根據(jù)文獻(xiàn)［21］所述無其他預(yù)設(shè)參數(shù)；SAdam根據(jù)文獻(xiàn)［20］設(shè)置β1=0.9，β2，t=1-0.9t，δ=1e-2；WSAdam根據(jù)算法4設(shè) 置β1=0.9，ν=0.999，β2，t=1-0.9t，δ=1e-8；SCAdagrad根據(jù)文獻(xiàn)［17］設(shè)置ε1=0.1，ε2=1；SC-RMSProp根據(jù)文獻(xiàn)［17］設(shè)置β2，t=1-0.9t，ε1=0.1，ε2=1.

所有算法在每個(gè)數(shù)據(jù)集上運(yùn)行10次并取平均值繪制收斂曲線errorbar對比圖.如圖2所示，橫坐標(biāo)表示迭代次數(shù)t=[1，5000]，縱坐標(biāo)為相對目標(biāo)函數(shù)值，即當(dāng)前迭代目標(biāo)函數(shù)值與目標(biāo)函數(shù)最優(yōu)值（最優(yōu)值取所有迭代結(jié)果中的最小值）之差的對數(shù)值，4種比較算法的相對目標(biāo)函數(shù)值形式為WSAdam的相對目標(biāo)函數(shù)值形式為藍(lán)色實(shí)線代表pegasos算法的收斂趨勢；綠色實(shí)線代表SAdam算法的收斂趨；紅色實(shí)現(xiàn)代表WSAdam算法的收斂趨；黑色實(shí)線代表SC-Adagrad算法的收斂趨；青綠色實(shí)現(xiàn)代表SC-RMSProp算法的收斂趨.

從圖2可以看出，沒有使用自適應(yīng)步長和動(dòng)量技巧的pegasos十次平均曲線波動(dòng)較大、方差大也大，收斂速率平緩，總體性能要差于其他4種Adam型算法.而本文所提出的WSAdam十次平均曲線非常平滑（這是更改為加權(quán)平均輸出所導(dǎo)致的），方差也較小.在6個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上，WSAdam與現(xiàn)有流行的強(qiáng)凸Adam型算法均表現(xiàn)出基本相同的收斂趨勢，甚至在一些訓(xùn)練集上（cod-rna）性能遠(yuǎn)超現(xiàn)有算法.并且在同一精度要求下，WSAdam的收斂速度總體上是最快的.這與理論分析中，WSAdam能達(dá)到優(yōu)于其他算法的O(1/T)收斂速率結(jié)果相吻合.

圖2 目標(biāo)函數(shù)收斂速率比較圖

表3和表4分別給出了算法在6個(gè)數(shù)據(jù)集上訓(xùn)練所得模型的訓(xùn)練準(zhǔn)確率（以及十次結(jié)果方差）、測試準(zhǔn)確率（以及十次結(jié)果方差）.容易看出：WSAdam在所有訓(xùn)練數(shù)據(jù)集上的準(zhǔn)確率均為最高，方差較其他算法處于較低的層次.WSAdam在絕大部分測試數(shù)據(jù)集上準(zhǔn)確率最高（在cod-rna上SAdam算法準(zhǔn)確率最高））.一定程度上說明了WSAdam比其他幾種算法訓(xùn)練的模型泛化性能更好，并且在訓(xùn)練和測試集上都保持較小實(shí)驗(yàn)方差，反映出其出色的穩(wěn)定性.

表3 訓(xùn)練準(zhǔn)確率和方差比較

表4 測試準(zhǔn)確率和方差比較

6 結(jié)論

本文提出了一種名為WSAdam的Adam型算法，證明了在非光滑強(qiáng)凸情形，WSAdam能達(dá)到O(1T)的最優(yōu)收斂速率，體現(xiàn)了動(dòng)量方法的加速性.據(jù)我們所知這是第一個(gè)被證明具有最優(yōu)收斂速率的自適應(yīng)步長策略與動(dòng)量方法結(jié)合的算法.與SAdam算法相比，WSAdam改用了加權(quán)平均的輸出方式，使算法在保持on-the-fly計(jì)算特點(diǎn)的同時(shí)，直接去掉了理論收斂速率上的對數(shù)階因子.實(shí)驗(yàn)驗(yàn)證了所提算法成功避免Reddi提出的不收斂問題，并在解決非光滑強(qiáng)凸優(yōu)化問題時(shí)比現(xiàn)有算法性能更優(yōu).

另一方面，自適應(yīng)步長算法利用對角矩陣中記錄的歷史數(shù)據(jù)幾何知識(shí)，緩和了對超參數(shù)的依賴性，因此非常適合訓(xùn)練深度神經(jīng)網(wǎng)絡(luò).將WSAdam與動(dòng)量方法［22］結(jié)合，探索其瞬時(shí)收斂速率［23］并推廣到深度學(xué)習(xí)［24，25］中，將是我們下一步研究的方向.