Projektbeschreibung
Meta-Algorithmus für Optimierungs- und Bewertungsprobleme
Beim maschinellen Lernen und bei weiteren Rechneranwendungen treten häufig Probleme in den Bereichen Optimierung und Bewertung auf. So bemüht sich die Wissenschaft darum, effiziente Algorithmen für diese Probleme zu entwickeln und die entsprechenden Grenzen zu erkennen. Dabei ist zu beachten, dass in vielen Fällen mit maßgeschneiderten Algorithmen die Anwendbarkeit am verlässlichsten garantiert werden kann. Vorausgegangene Forschungsarbeiten haben gezeigt, dass für viele Optimierungsprobleme ein konzeptionell einfacher Meta-Algorithmus, bei dem die Quadratsumme gebildet wird, die gewünschte Leistung erbringen kann und unter Umständen sogar eine nachweislich bessere Anwendbarkeit als derzeit genutzte, effiziente Algorithmen aufweist. Das EU-finanzierte Projekt UTOPEST baut auf den oben genannten vorausgegangenen Forschungsarbeiten auf und zielt darauf ab, weitere Erkenntnisse zu den Möglichkeiten und Grenzen des Meta-Algorithmus zu gewinnen. Die Projektmitglieder werden neue algorithmische Garantien für grundlegende Optimierungs- und Bewertungsprobleme geben, die Grenzen effizienter Algorithmen für Grundprobleme ermitteln und die theoretischen Ergebnisse auf praktische Algorithmen übertragen.
Ziel
The goal of this project is to make progress toward a unified theory of efficient
optimization and estimation. In many computing applications, especially machine learning,
optimization and estimation problems play an increasingly important role. For that reason, a large
research effort is devoted to developing and understanding the limitations of efficient algorithms
for these problems. For many of these problems, achieving the best known provable guarantees
required the use of algorithms that are tailored to problem specifics. In recent years, the PI’s
research with collaborators has shown that for many optimization problems, the conceptually
simple sum-of-squares meta-algorithm, despite not being tailored to problem specifics, can match
and often significantly outperform previous efficient algorithms in terms of provable guarantees.
This project aims to better understand the capabilities and limitations of this meta-algorithm,
especially for estimation problems, which have only recently begun to be studied in this light.
In this way, the project will establish new algorithmic guarantees for basic optimization and
estimation problems even in the face of non-convexity and adversarial outliers. In the same way,
the project will shed light on the limitations of efficient algorithms for basic average-case problems
like planted clique and stochastic block models.
The project also aims to transfer the obtained theoretical insights into practical algorithms
building on recent works by the PI and collaborators. Toward this goal the project will develop
new algorithms with close to linear running times that match the guarantees of the best known
polynomial-time algorithms. In order to assess their practicality, the project will perform systematic
empirical evaluations of these algorithms.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-COG - Consolidator GrantGastgebende Einrichtung
8092 Zuerich
Schweiz