Descrizione del progetto
Meta-algoritmo per ottimizzare e valutare i problemi
L’apprendimento automatico e altre applicazioni informatiche dipendono dall’ottimizzazione e dalla valutazione dei problemi. Di conseguenza, alcuni ricercatori cercano di sviluppare e capire i limiti di algoritmi efficienti per tali problemi considerando che l’utilizzo di algoritmi personalizzati è necessario per ottenere i migliori risultati garantiti per molti di loro. La ricerca precedente ha dimostrato che nell’ambito di numerosi problemi di ottimizzazione, il concettualmente semplice meta-algoritmo della somma dei quadrati può abbinare e superare algoritmi efficienti esistenti in termini di risultati garantiti dimostrabili. Il progetto UTOPEST, finanziato dall’UE, si basa sulla ricerca precedente di cui sopra volta a rafforzare la comprensione delle abilità e dei limiti del meta-algoritmo. Esso stabilirà nuovi risultati garantiti basati sull’algoritmo per problemi di valutazione e ottimizzazione basilari, chiarirà i limiti di algoritmi efficienti per problemi basilari e trasferirà i risultati teorici in algoritmi pratici.
Obiettivo
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.
Campo scientifico
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-COG - Consolidator GrantIstituzione ospitante
8092 Zuerich
Svizzera