Buchumschlag

Hilbert's projective metric for functions of bounded growth and exponential convergence of Sinkhorn's algorithm

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Eckstein, Stephan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Probability Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exponential convergence of general iterative proportional fitting procedures
von: Eckstein, Stephan, et al.
Veröffentlicht: (2025)

On diffusion-based generative models and their error bounds: The log-concave case with full convergence estimates
von: Bruno, Stefano, et al.
Veröffentlicht: (2023)

A semiconcavity approach to stability of entropic plans and exponential convergence of Sinkhorn's algorithm
von: Chiarini, Alberto, et al.
Veröffentlicht: (2024)

Feature-aligned N-BEATS with Sinkhorn divergence
von: Lee, Joonhun, et al.
Veröffentlicht: (2023)

Linear convergence of proximal descent schemes on the Wasserstein space
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

On the SAGA algorithm with decreasing step
von: Fredes, Luis, et al.
Veröffentlicht: (2024)

ODE approximation for the Adam algorithm: General and overparametrized setting
von: Dereich, Steffen, et al.
Veröffentlicht: (2025)

A stochastic gradient descent algorithm with random search directions
von: Gbaguidi, Eméric
Veröffentlicht: (2025)

Polygonal Unadjusted Langevin Algorithms: Creating stable and efficient adaptive algorithms for neural networks
von: Lim, Dong-Young, et al.
Veröffentlicht: (2021)

Non-asymptotic convergence analysis of the stochastic gradient Hamiltonian Monte Carlo algorithm with discontinuous stochastic gradient with applications to training of ReLU neural networks
von: Liang, Luxu, et al.
Veröffentlicht: (2024)

An abstract effective convergence theorem for stochastic processes, with applications to stochastic approximation
von: Neri, Morenikeji, et al.
Veröffentlicht: (2025)

Annealed Sinkhorn for Optimal Transport: convergence, regularization path and debiasing
von: Chizat, Lénaïc
Veröffentlicht: (2024)

Uniform exponential convergence of SAA with AMIS and asymptotics of its optimal value
von: Zhang, Wenjin, et al.
Veröffentlicht: (2024)

Neural Hilbert Ladders: Multi-Layer Neural Networks in Function Space
von: Chen, Zhengdao
Veröffentlicht: (2023)

Optimal transport and Wasserstein distances for causal models
von: Cheridito, Patrick, et al.
Veröffentlicht: (2023)

Sinkhorn algorithms and linear programming solvers for optimal partial transport problems
von: Bai, Yikun
Veröffentlicht: (2024)

Non-asymptotic convergence bounds for Sinkhorn iterates and their gradients: a coupling approach
von: Greco, Giacomo, et al.
Veröffentlicht: (2023)

Fast Spawn\&Prune (FS\&P): Global convergence of stochastic conic particle gradient descent via birth/death process
von: De Castro, Yohann, et al.
Veröffentlicht: (2026)

Orlicz regrets to consistently bound statistics of random variables with an application to environmental indicators
von: Yoshioka, Hidekazu, et al.
Veröffentlicht: (2023)

Stability of Wasserstein projections in convex order via metric extrapolation
von: Kim, Jakwang, et al.
Veröffentlicht: (2025)

Markov decision processes: on the convergence of the Monte-Carlo first visit algorithm
von: Delattre, Sylvain, et al.
Veröffentlicht: (2025)

Langevin dynamics based algorithm e-TH$\varepsilon$O POULA for stochastic optimization problems with discontinuous stochastic gradient
von: Lim, Dong-Young, et al.
Veröffentlicht: (2022)

Stochastic trust-region algorithm in random subspaces with convergence and expected complexity analyses
von: Dzahini, Kwassi Joseph, et al.
Veröffentlicht: (2022)

Mean-square and linear convergence of a stochastic proximal point algorithm in metric spaces of nonpositive curvature
von: Pischke, Nicholas
Veröffentlicht: (2025)

Properties of Discrete Sliced Wasserstein Losses
von: Tanguy, Eloi, et al.
Veröffentlicht: (2023)

Improved sampling via learned diffusions
von: Richter, Lorenz, et al.
Veröffentlicht: (2023)

Approximation and interpolation of deep neural networks
von: Constantinescu, Vlad-Raul, et al.
Veröffentlicht: (2023)

Posterior Sampling Based on Gradient Flows of the MMD with Negative Distance Kernel
von: Hagemann, Paul, et al.
Veröffentlicht: (2023)

Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses
von: Tanguy, Eloi
Veröffentlicht: (2023)

Ito Diffusion Approximation of Universal Ito Chains for Sampling, Optimization and Boosting
von: Ustimenko, Aleksei, et al.
Veröffentlicht: (2023)

Online Learning and Optimization for Queues with Unknown Demand Curve and Service Distribution
von: Chen, Xinyun, et al.
Veröffentlicht: (2023)

Neural Wasserstein Gradient Flows for Maximum Mean Discrepancies with Riesz Kernels
von: Altekrüger, Fabian, et al.
Veröffentlicht: (2023)

Model Predictive Control is almost Optimal for Heterogeneous Restless Multi-armed Bandits
von: Narasimha, Dheeraj, et al.
Veröffentlicht: (2025)

A Generalization Result for Convergence in Learning-to-Optimize
von: Sucker, Michael, et al.
Veröffentlicht: (2024)

Non-convex entropic mean-field optimization via Best Response flow
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2025)

Decoupled Functional Central Limit Theorems for Two-Time-Scale Stochastic Approximation
von: Han, Yuze, et al.
Veröffentlicht: (2024)

On propagation of chaos for the Fisher-Rao gradient flow in entropic mean-field optimization
von: Lazić, Petra, et al.
Veröffentlicht: (2026)

Value Mirror Descent for Reinforcement Learning
von: Jia, Zhichao, et al.
Veröffentlicht: (2026)

Function approximation by neural nets in the mean-field regime: Entropic regularization and controlled McKean-Vlasov dynamics
von: Tzen, Belinda, et al.
Veröffentlicht: (2020)

Asymptotic regularity of a generalised stochastic Halpern scheme
von: Pischke, Nicholas, et al.
Veröffentlicht: (2024)