Buchumschlag

A Novel Gradient Methodology with Economical Objective Function Evaluations for Data Science Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Varner, Christian, Patel, Vivak
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Optimization and Control Computation 90C30, 65K05, 68T09
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Novel First-order Method with Event-driven Objective Evaluations
von: Varner, Christian, et al.
Veröffentlicht: (2025)

The Challenges of Optimization For Data Science
von: Varner, Christian, et al.
Veröffentlicht: (2024)

Objective-Function Free Multi-Objective Optimization: Rate of Convergence and Performance of an Adagrad-like algorithm
von: De Santis, Marianna, et al.
Veröffentlicht: (2026)

Distributed Gradient-Regularized Newton Method: Scheduled Consensus and O(epsilon^{-1}) Global Iteration Complexity
von: Hu, Wei, et al.
Veröffentlicht: (2026)

An Augmented Lagrangian Method for Training Recurrent Neural Networks
von: Wang, Yue, et al.
Veröffentlicht: (2024)

Inexact Riemannian Gradient Descent Method for Nonconvex Optimization
von: Zhou, Juan, et al.
Veröffentlicht: (2024)

Global Optimization with A Power-Transformed Objective and Gaussian Smoothing
von: Xu, Chen
Veröffentlicht: (2024)

Recent Advances in Non-convex Smoothness Conditions and Applicability to Deep Linear Neural Networks
von: Patel, Vivak, et al.
Veröffentlicht: (2024)

A Vectorized Positive Semidefinite Penalty Method for Unconstrained Binary Quadratic Programming
von: Huo, Xinyue, et al.
Veröffentlicht: (2024)

Distributed accelerated proximal conjugate gradient methods for multi-agent constrained optimization problems
von: Gebrie, Anteneh Getachew
Veröffentlicht: (2023)

Improved Penalty Function Approaches for Optimization Problems with General Orthogonality
von: Zhang, Yongshen, et al.
Veröffentlicht: (2026)

Delayed Feedback in Online Non-Convex Optimization: A Non-Stationary Approach with Applications
von: Lara, Felipe, et al.
Veröffentlicht: (2024)

Preconditioned Proximal Gradient Methods with Conjugate Momentum: A Subspace Perspective
von: Chen, Jian, et al.
Veröffentlicht: (2026)

Augmented Lagrangian Functions for Cone Constrained Optimization: the Existence of Global Saddle Points and Exact Penalty Property
von: Dolgopolik, M. V.
Veröffentlicht: (2017)

Proximal Gradient Descent Ascent Methods for Nonsmooth Nonconvex-Concave Minimax Problems on Riemannian Manifolds
von: Xie, Xiyuan, et al.
Veröffentlicht: (2025)

A Sequential Quadratic Programming Method for Optimization with Stochastic Objective Functions, Deterministic Inequality Constraints and Robust Subproblems
von: Qiu, Songqiang, et al.
Veröffentlicht: (2023)

A Proximal-Gradient Method for Constrained Optimization
von: Dai, Yutong, et al.
Veröffentlicht: (2024)

Convergence of iterates and improved rates for accelerated augmented Lagrangian methods for linearly constrained convex optimization
von: He, Xin, et al.
Veröffentlicht: (2026)

Preconditioned subgradient method for composite optimization: overparameterization and fast convergence
von: Díaz, Mateo, et al.
Veröffentlicht: (2025)

Variational Properties of Decomposable Functions. Part I: Strict Epi-Calculus and Applications
von: Ouyang, Wenqing, et al.
Veröffentlicht: (2023)

A Proximal-Gradient Method for Solving Regularized Optimization Problems with General Constraints
von: Curtis, Frank E., et al.
Veröffentlicht: (2025)

Riemannian Adaptive Regularized Newton Methods with Hölder Continuous Hessians
von: Zhang, Chenyu, et al.
Veröffentlicht: (2023)

A descent method for nonsmooth multiobjective optimization problems on Riemannian manifolds
von: Tang, Chunming, et al.
Veröffentlicht: (2023)

The Augmented Lagrangian Methods: Overview and Recent Advances
von: Deng, Kangkang, et al.
Veröffentlicht: (2025)

New gradient methods with 3 dimensional quadratic termination
von: Xie, Yixin, et al.
Veröffentlicht: (2026)

A Stochastic Implicit Proximal Point Algorithm for Solving Linearly Constrained Stochastic Minimax Problems
von: Zhu, Kehan, et al.
Veröffentlicht: (2026)

Existence of augmented Lagrange multipliers: reduction to exact penalty functions and localization principle
von: Dolgopolik, M. V.
Veröffentlicht: (2018)

Gradient descent with adaptive stepsize converges (nearly) linearly under fourth-order growth
von: Davis, Damek, et al.
Veröffentlicht: (2024)

Technical results on the convergence of quasi-Newton methods for nonsmooth optimization
von: Gebken, Bennet
Veröffentlicht: (2025)

Stochastic optimization over proximally smooth sets
von: Davis, Damek, et al.
Veröffentlicht: (2020)

Accelerated Gradient Methods with Gradient Restart: Global Linear Convergence
von: Bao, Chenglong, et al.
Veröffentlicht: (2024)

A practical randomized trust-region method to escape saddle points in high dimension
von: Dragomir, Radu-Alexandru, et al.
Veröffentlicht: (2026)

Power Homotopy for Zeroth-Order Non-Convex Optimizations
von: Xu, Chen
Veröffentlicht: (2025)

Stochastic Approach for Price Optimization Problems with Decision-dependent Uncertainty
von: Hikima, Yuya, et al.
Veröffentlicht: (2023)

Universal heavy-ball method for nonconvex optimization under Hölder continuous Hessians
von: Marumo, Naoki, et al.
Veröffentlicht: (2023)

Extragradient method with feasible inexact projection to variational inequality problem
von: Millán, R. Díaz, et al.
Veröffentlicht: (2023)

An interior point method for nonlinear constrained derivative-free optimization
von: Brilli, Andrea, et al.
Veröffentlicht: (2021)

Proximal methods for structured nonsmooth optimization over Riemannian submanifolds
von: Li, Qia, et al.
Veröffentlicht: (2024)

An investigation of stochastic trust-region based algorithms for finite-sum minimization
von: Bellavia, Stefania, et al.
Veröffentlicht: (2024)

BUP-TR: Bayesian Underdetermined Projection Trust-Region Methods for Derivative-Free Optimization
von: Hu, Wei, et al.
Veröffentlicht: (2026)