Méthodes Primal-dual pour la minimisation composite

Cette séance de cours introduit des méthodes primaires-duelles pour la minimisation composite, en mettant l'accent sur la reformulation minimax. L'instructeur discute des modèles de minimax restreints, des hypothèses et des propriétés des fonctions primaires et doubles. La séance de cours porte sur la méthode du gradient hybride primal-dual, les théorèmes de convergence et l'algorithme stochastique du gradient hybride primal-dual. De plus, il explore les problèmes non convexes et non convexes, ce qui permet de mieux comprendre la complexité des gradients et les taux de convergence. La séance de cours se termine par des discussions sur des algorithmes non lisses, non convexes, des méthodes de pénalité et des peines quadratiques.