در این پایان نامه ، یک مساله مینیمم سازی که مجموع دو تابع محدب است را در نظر می گیریم بقسمی که یکی از آنها میانگین تعداد زیادی از توابع مولفه ای محدب و دیگری یک تابع محدب دلخواه است. در این مسئله تابع هدف یک تابع قویا محدب است. این نوع از مسایل در مبحث یادگیری ماشین به عنوان مینیمم کننده ریسک منظم تجربی شناخته شده است. در ادامه، یک تکنیک جدید مبتنی بر گرادیان تصویری پیشنهاد و مورد تحلیل قرار می گیرد. این تکنیک از یک فرآیند چند مرحله ای برای کاهش تصاعدی واریانس گرادیان تصادفی استفاده می کند. نشان داده می شود که تابع هدف مورد انتظار به نقطه بهینه با نرخ هندسی همگراست در عین حال پیچیدگی این روش در مقایسه با روش های گرادیان کامل تصویری و روش گرادیان تصادفی تصویری استاندارد بسیار کمتر است.