Convergence Rate of Frank-Wolfe for Non-Convex Objectives

Simon Lacoste-Julien 1, 2, 3
1 SIERRA - Statistical Machine Learning and Parsimony
DI-ENS - Département d'informatique de l'École normale supérieure, CNRS - Centre National de la Recherche Scientifique, Inria de Paris
Abstract : We give a simple proof that the Frank-Wolfe algorithm obtains a stationary point at a rate of $O(1/\sqrt{t})$ on non-convex objectives with a Lipschitz continuous gradient. Our analysis is affine invariant and is the first, to the best of our knowledge, giving a similar rate to what was already proven for projected gradient methods (though on slightly different measures of stationarity).
Liste complète des métadonnées

https://hal.inria.fr/hal-01415335
Contributeur : Simon Lacoste-Julien <>
Soumis le : mardi 13 décembre 2016 - 01:26:11
Dernière modification le : jeudi 26 avril 2018 - 10:29:09

Lien texte intégral

Identifiants

  • HAL Id : hal-01415335, version 1
  • ARXIV : 1607.00345

Collections

Citation

Simon Lacoste-Julien. Convergence Rate of Frank-Wolfe for Non-Convex Objectives. 6 pages. 2016. 〈hal-01415335〉

Partager

Métriques

Consultations de la notice

366