Date/heure
Date(s) - 9 janvier 2015

Catégories Pas de Catégories

$Title\; :\; The\; Frank-Wolfe\; Algorithm\; :\; Recent\; Results\; and\; Applications\; to\; High-Dimensional\; Similarity\; Learning\; and\; Distributed\; Optimization\backslash n\backslash nAbstract\; :\; The\; topic\; of\; this\; talk\; is\; the\; Frank-Wolfe\; (FW)\; algorithm,\; a\; greedy\; procedure\; for\; minimizing\; a\; convex\; and\; differentiable\; function\; over\; a\; compact\; convex\; set.\; FW\; finds\; its\; roots\; in\; the\; 1950’s\; but\; has\; recently\; regained\; a\; lot\; of\; interest\; in\; machine\; learning\; and\; related\; communities.\; In\; the\; first\; part\; of\; the\; talk,\; I\; will\; introduce\; the\; FW\; algorithm\; and\; review\; some\; recent\; results\; that\; motivate\; its\; appeal\; in\; the\; context\; of\; large-scale\; learning\; problems.\; In\; the\; second\; part,\; I\; will\; describe\; two\; applications\; of\; FW\; in\; my\; own\; work\; :\; (i)\; learning\; a\; similarity/distance\; function\; for\; sparse\; high-dimensional\; data,\; and\; (ii)\; learning\; sparse\; combinations\; of\; elements\; that\; are\; distributed\; over\; a\; network.\backslash n[$