arXiv 机器学习· Haoyu Zhu, Xiaochen Zhang, Qingchun Hou·· 9 小时前AI 评分33
Convex-SKM-Net：面向神经凸约束满足的低延迟块半空间校正
Convex-SKM-Net: Low-Latency Block Halfspace Corrections for Neural Convex Constraint Satisfaction
AI 导读
研究提出凸约束满足层 Convex-SKM-Net，利用 GPU 友好的对偶 PGD 实现低延迟半空间校正，无需特定约束投影器。在 SOC-MPC 任务上其实现最高 144.3 倍推理加速，在凸 QCQP 基准上提速 7.7 倍且平均目标差距仅 0.012%。所有测试输出均满足 $10^{-3}$ 可行性容差，学习 mobility 还将仿射任务平均差距降低 22.4%。
来源：arXiv 机器学习 · arxiv.org