用於多度量學習的「替代優化」方法

Question

在度量學習的訓練過程中，如果成本函數是凸的，那麼我可以使用梯度下降法，並得到最優解。

現在，我想訓練訓練集中的N（N可能非常大，例如100）度量，並且一種方法是調整成本函數以使這些N度量合併爲大的度量矩陣並且使用梯度下降的方法，但是，如果N很大，這種方法不是很好，在這種情況下，是否有一些「替代優化」的方法我可以使用？， 我可以修正第2〜僅爲第1個度量制定梯度下降，然後修復第1個，第3個至第N個度量並僅爲第2個度量製作梯度下降。 這種「替代優化」方法是否存在一些必要條件

Answer 1

AO方法無法得到最優解，即使是局部最優解也不能。因爲N個凸問題不能同時達到KKT條件。