Buchumschlag

Moreau-Yoshida Variational Transport: A General Framework For Solving Regularized Distributional Optimization Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Dai Hai, Sakurai, Tetsuya
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Wasserstein Gradient Flow over Variational Parameter Space for Variational Inference
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2023)

Multiple Wasserstein Gradient Descent Algorithm for Multi-Objective Distributional Optimization
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2025)

Accelerated Multiple Wasserstein Gradient Flows for Multi-objective Distributional Optimization
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2026)

Sliced-Regularized Optimal Transport
von: Nguyen, Khai
Veröffentlicht: (2026)

Statistical Guarantees for Distributionally Robust Optimization with Optimal Transport and OT-Regularized Divergences
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2026)

Generative Conditional Distributions by Neural (Entropic) Optimal Transport
von: Nguyen, Bao, et al.
Veröffentlicht: (2024)

FedDCL: a federated data collaboration learning as a hybrid-type privacy-preserving framework based on federated learning and data collaboration
von: Imakura, Akira, et al.
Veröffentlicht: (2024)

Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization
von: Yang, Zhuoran, et al.
Veröffentlicht: (2020)

A Note on Asynchronous Challenges: Unveiling Formulaic Bias and Data Loss in the Hayashi-Yoshida Estimator
von: Georgiadis, Evangelos
Veröffentlicht: (2024)

Sparse Partial Optimal Transport via Quadratic Regularization
von: Tran, Khang, et al.
Veröffentlicht: (2025)

Variational Quantum Eigensolver with Constraints (VQEC): Solving Constrained Optimization Problems via VQE
von: Le, Thinh Viet, et al.
Veröffentlicht: (2023)

On Generalization and Regularization via Wasserstein Distributionally Robust Optimization
von: Wu, Qinyu, et al.
Veröffentlicht: (2022)

Regularized Schrödinger Bridge: Alleviating Distortion and Exposure Bias in Solving Inverse Problems
von: Yao, Qing, et al.
Veröffentlicht: (2025)

LLMOPT: Learning to Define and Solve General Optimization Problems from Scratch
von: Jiang, Caigao, et al.
Veröffentlicht: (2024)

Learning To Solve Differential Equation Constrained Optimization Problems
von: Di Vito, Vincenzo, et al.
Veröffentlicht: (2024)

Nash Equilibria, Regularization and Computation in Optimal Transport-Based Distributionally Robust Optimization
von: Shafiee, Soroosh, et al.
Veröffentlicht: (2023)

A Primal-Dual Approach to Solving Variational Inequalities with General Constraints
von: Chavdarova, Tatjana, et al.
Veröffentlicht: (2022)

Moreau Envelope for Nonconvex Bi-Level Optimization: A Single-loop and Hessian-free Solution Strategy
von: Liu, Risheng, et al.
Veröffentlicht: (2024)

Learning Generalization and Regularization of Nonhomogeneous Temporal Poisson Processes
von: Van, Son Nguyen, et al.
Veröffentlicht: (2024)

Solving Prior Distribution Mismatch in Diffusion Models via Optimal Transport
von: Wang, Zhanpeng, et al.
Veröffentlicht: (2024)

Variational Regularized Unbalanced Optimal Transport: Single Network, Least Action
von: Sun, Yuhao, et al.
Veröffentlicht: (2025)

Variational Optimization for Quantum Problems using Deep Generative Networks
von: Zhang, Lingxia, et al.
Veröffentlicht: (2024)

Solving Functional Optimization with Deep Networks and Variational Principles
von: Kamtue, Kawisorn, et al.
Veröffentlicht: (2024)

LSEC: Large-scale spectral ensemble clustering
von: Li, Hongmin, et al.
Veröffentlicht: (2021)

Unified Graph Networks (UGN): A Deep Neural Framework for Solving Graph Problems
von: Dawn, Rudrajit, et al.
Veröffentlicht: (2025)

Nested Stochastic Algorithm for Generalized Sinkhorn distance-Regularized Distributionally Robust Optimization
von: Yang, Yufeng, et al.
Veröffentlicht: (2025)

A Model-Constrained Discontinuous Galerkin Network (DGNet) for Compressible Euler Equations with Out-of-Distribution Generalization
von: Nguyen, Hai V., et al.
Veröffentlicht: (2024)

Solving Boltzmann Optimization Problems with Deep Learning
von: Knoll, Fiona, et al.
Veröffentlicht: (2024)

Personalized Federated Learning via ADMM with Moreau Envelope
von: Zhu, Shengkun, et al.
Veröffentlicht: (2023)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

Optimality-Informed Neural Networks for Solving Parametric Optimization Problems
von: Hoffmann, Matthias K., et al.
Veröffentlicht: (2025)

From Small to Large: A Graph Convolutional Network Approach for Solving Assortment Optimization Problems
von: Li, Guokai, et al.
Veröffentlicht: (2025)

A Framework for Controllable Multi-objective Learning with Annealed Stein Variational Hypernetworks
von: Nguyen, Minh-Duc, et al.
Veröffentlicht: (2025)

A Deep Neural Network Framework for Solving Forward and Inverse Problems in Delay Differential Equations
von: Wang, Housen, et al.
Veröffentlicht: (2024)

Solving Imaging Inverse Problems Using Plug-and-Play Denoisers: Regularization and Optimization Perspectives
von: Tan, Hong Ye, et al.
Veröffentlicht: (2025)

Transport Clustering: Solving Low-Rank Optimal Transport via Clustering
von: Schmidt, Henri, et al.
Veröffentlicht: (2026)

Generalization in LLM Problem Solving: The Case of the Shortest Path
von: Tong, Yao, et al.
Veröffentlicht: (2026)

Preference Optimization for Combinatorial Optimization Problems
von: Pan, Mingjun, et al.
Veröffentlicht: (2025)

Lightspeed Geometric Dataset Distance via Sliced Optimal Transport
von: Nguyen, Khai, et al.
Veröffentlicht: (2025)

Variational Entropic Optimal Transport
von: Dyachenko, Roman, et al.
Veröffentlicht: (2026)