Análisis e Implementación de un Método de Suavización Aleatorizada para Optimización Convexa Estocástica
Keywords:
Prerrequisitos:
Este proyecto busca investigar teórica y computacionalmente la técnica de suavización aleatorizada ({\em randomized smoothing}) en optimización estocástica en altas dimensiones. Se explorarán casos específicos, tales como modelos intrinsecamente de baja dimensión, o redes neuronales de una capa oculta. Los objetivos del proyecto son múltiples. El principal es determinar cotas precisas en las tasas de convergencia en estas estructuras particulares de funciones objetivo, y determinar a partir de estas tasas el mejor diseño de arquitectura y elección de parámetros para los algoritmos. Sin embargo, otro aspecto importante es la comparación en el desempeño de los algoritmos usando información de primer orden (gradientes) versus de orden cero (evaluaciones). En este último caso es de interés estudiar modelos locales para métodos de región de confianza ({\em trust region}). Finalmente, es de interés estudiar el efecto de la elección de la distribución en la regularidad de la función suavizada
Fecha de Creación | 05/06/2025 |
---|---|
Vacantes Disponibles | 1/1 |
Créditos | 10 |
Modalidad | Nota 1-7 |
¿Es CMD?
De tener un carácter Interdisciplinario puede ser considerado como OFG |
No |
Mentores |
|
¿Es pública?
Las oportunidades públicas son visibles para personas externas a la plataforma |
Sí |
---|---|
¿Es postulable?
Las oportunidades postulables son visibles para estudiantes y tienen vacantes disponible |
Sí |
¿Tiene fecha límite?
La oportunidad dejará de ser postulable después de la fecha límite |
No |