Buchumschlag

Statistical and Computational Complexities of BFGS Quasi-Newton Method for Generalized Linear Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Qiujiang, Ren, Tongzheng, Ho, Nhat, Mokhtari, Aryan
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Affine-Invariant Global Non-Asymptotic Convergence Analysis of BFGS under Self-Concordance
von: Jin, Qiujiang, et al.
Veröffentlicht: (2025)

Non-asymptotic Global Convergence Rates of BFGS with Exact Line Search
von: Jin, Qiujiang, et al.
Veröffentlicht: (2024)

Non-asymptotic Global Convergence Analysis of BFGS with the Armijo-Wolfe Line Search
von: Jin, Qiujiang, et al.
Veröffentlicht: (2024)

Online Learning Guided Quasi-Newton Methods with Global Non-Asymptotic Convergence
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Improved Complexity for Smooth Nonconvex Optimization: A Two-Level Online Learning Approach with Quasi-Newton Methods
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Adaptive and Optimal Second-order Optimistic Methods for Minimax Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Stochastic Newton Proximal Extragradient Method
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Quasi-Quadratic Gradient: A New Direction for Accelerating the BFGS Method in Quasi-Newton Optimization
von: Chiang, John
Veröffentlicht: (2026)

Global Complexity Analysis of BFGS
von: Rodomanov, Anton
Veröffentlicht: (2024)

Krylov Cubic Regularized Newton: A Subspace Second-Order Method with Dimension-Free Convergence Rate
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Decentralized Conjugate Gradient and Memoryless BFGS Methods
von: Wang, Liping, et al.
Veröffentlicht: (2024)

Provable Complexity Improvement of AdaGrad over SGD: Upper and Lower Bounds in Stochastic Non-Convex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

An Inexact Conditional Gradient Method for Constrained Bilevel Optimization
von: Abolfazli, Nazanin, et al.
Veröffentlicht: (2023)

Adaptive Optimization via Momentum on Variance-Normalized Gradients
von: Patitucci, Francisco, et al.
Veröffentlicht: (2026)

Advancing Multi-Secant Quasi-Newton Methods for General Convex Functions
von: Lee, Mokhwa, et al.
Veröffentlicht: (2025)

Subspace Quasi-Newton Method with Gradient Approximation
von: Miyaishi, Taisei, et al.
Veröffentlicht: (2024)

Generalized Optimistic Methods for Convex-Concave Saddle Point Problems
von: Jiang, Ruichen, et al.
Veröffentlicht: (2022)

On the Complexity of Finding Stationary Points in Nonconvex Simple Bilevel Optimization
von: Cao, Jincheng, et al.
Veröffentlicht: (2025)

General Proximal Quasi-Newton Methods based on model functions for nonsmooth nonconvex problems
von: Jia, Xiaoxi
Veröffentlicht: (2025)

A Decentralized Primal-Dual Method with Quasi-Newton Tracking
von: Wang, Liping, et al.
Veröffentlicht: (2023)

An Accelerated Gradient Method for Convex Smooth Simple Bilevel Optimization
von: Cao, Jincheng, et al.
Veröffentlicht: (2024)

Quasi-Newton Methods for Topology Optimization Using a Level-Set Method
von: Blauth, Sebastian, et al.
Veröffentlicht: (2023)

Conditional Gradient Methods
von: Braun, Gábor, et al.
Veröffentlicht: (2022)

Sharpened Lazy Incremental Quasi-Newton Method
von: Lahoti, Aakash, et al.
Veröffentlicht: (2023)

Improving Online-to-Nonconvex Conversion for Smooth Optimization via Double Optimism
von: Patitucci, Francisco, et al.
Veröffentlicht: (2025)

Online Learning-guided Learning Rate Adaptation via Gradient Alignment
von: Jiang, Ruichen, et al.
Veröffentlicht: (2025)

Distributed Quasi-Newton Method for Multi-Agent Optimization
von: Shorinwa, Ola, et al.
Veröffentlicht: (2024)

Inertial Quasi-Newton Methods for Monotone Inclusion: Efficient Resolvent Calculus and Primal-Dual Methods
von: Wang, Shida, et al.
Veröffentlicht: (2022)

Zeroth-order Gradient and Quasi-Newton Methods for Nonsmooth Nonconvex Stochastic Optimization
von: Marrinan, Luke, et al.
Veröffentlicht: (2023)

Efficient Stochastic BFGS methods Inspired by Bayesian Principles
von: Carlon, André, et al.
Veröffentlicht: (2025)

A robust BFGS algorithm for unconstrained nonlinear optimization problems
von: Yang, Yaguang
Veröffentlicht: (2012)

Explicit Global Convergence Rates of BFGS without Line Search
von: Yu, Jianjiang, et al.
Veröffentlicht: (2025)

Faster Newton Methods for Convex and Nonconvex Optimization in Gradient Complexity
von: Chen, Lesi, et al.
Veröffentlicht: (2025)

Incremental Quasi-Newton Methods with Faster Superlinear Convergence Rates
von: Liu, Zhuanghua, et al.
Veröffentlicht: (2024)

Simple Stepsize for Quasi-Newton Methods with Global Convergence Guarantees
von: Agafonov, Artem, et al.
Veröffentlicht: (2025)

Stochastic Nonlinear Control via Finite-dimensional Spectral Dynamic Embedding
von: Ren, Zhaolin, et al.
Veröffentlicht: (2023)

A Bifidelity Proximal Quasi-Newton Method for Dense Rigid Body Suspension Collision Resolution
von: Rummel, Nicholas, et al.
Veröffentlicht: (2026)

Modified Quasi-Newton Method for Nonconvex Multiobjective Optimization Problems with Barzilai-Borwein diagonal matrix
von: Liu, Hua
Veröffentlicht: (2025)

A Diagonal BFGS Update Algorithm with Inertia Acceleration Technology for Minimizations
von: Luo, Zhenhua, et al.
Veröffentlicht: (2024)

Adaptive Matrix Online Learning through Smoothing with Guarantees for Nonsmooth Nonconvex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2026)