Buchumschlag

Higher-order tensor methods for minimizing difference of convex functions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Necoara, Ion
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A systematic approach to general higher-order majorization-minimization algorithms for (non)convex optimization
von: Necoara, Ion, et al.
Veröffentlicht: (2020)

A stochastic moving ball approximation method for smooth convex constrained minimization
von: Singh, Nitesh Kumar, et al.
Veröffentlicht: (2024)

A stochastic perturbed augmented Lagrangian method for smooth convex constrained minimization
von: Singh, Nitesh Kumar, et al.
Veröffentlicht: (2025)

Moving higher-order Taylor approximations method for smooth constrained minimization problems
von: Nabou, Yassine, et al.
Veröffentlicht: (2024)

Stochastic halfspace approximation method for convex optimization with nonsmooth functional constraints
von: Singh, Nitesh Kumar, et al.
Veröffentlicht: (2024)

Convergence analysis of stochastic higher-order majorization-minimization algorithms
von: Lupu, Daniela, et al.
Veröffentlicht: (2021)

Random minibatch subgradient algorithms for convex problems with functional constraints
von: Nedich, Angelia, et al.
Veröffentlicht: (2019)

Regularized higher-order Taylor approximation methods for nonlinear least-squares
von: Nabou, Yassine, et al.
Veröffentlicht: (2025)

Complexity of a linearized augmented Lagrangian method for nonconvex minimization with nonlinear equality constraints
von: Bourkhissi, Lahcen El, et al.
Veröffentlicht: (2023)

Efficiency of higher-order algorithms for minimizing composite functions
von: Nabou, Yassine, et al.
Veröffentlicht: (2022)

Coordinate descent methods beyond smoothness and separability
von: Chorobura, Flavia, et al.
Veröffentlicht: (2024)

Random coordinate descent methods for nonseparable composite optimization
von: Chorobura, Flavia, et al.
Veröffentlicht: (2022)

Coordinate projected gradient descent minimization and its application to orthogonal nonnegative matrix factorization
von: Chorobura, Flavia, et al.
Veröffentlicht: (2025)

Stochastic subgradient for composite optimization with functional constraints
von: Necoara, Ion, et al.
Veröffentlicht: (2022)

Convergence analysis of linearized $\ell_q$ penalty methods for nonconvex optimization with nonlinear equality constraints
von: Bourkhissi, Lahcen El, et al.
Veröffentlicht: (2025)

Proximal gradient methods with inexact oracle of degree q for composite optimization
von: Nabou, Yassine, et al.
Veröffentlicht: (2024)

Modified projected Gauss-Newton method for constrained nonlinear least-squares: application to power flow analysis
von: Nabou, Yassine, et al.
Veröffentlicht: (2025)

Exact representation and efficient approximations of linear model predictive control laws via HardTanh type deep neural networks
von: Lupu, Daniela, et al.
Veröffentlicht: (2024)

Mini-batch stochastic subgradient for functional constrained optimization
von: Singh, Nitesh Kumar, et al.
Veröffentlicht: (2024)

Complexity of linearized quadratic penalty for optimization with nonlinear equality constraints
von: Bourkhissi, Lahcen El, et al.
Veröffentlicht: (2024)

Convergence rates for an inexact linearized ADMM for nonsmooth nonconvex optimization with nonlinear equality constraints
von: Bourkhissi, Lahcen El, et al.
Veröffentlicht: (2025)

An accelerated randomized Bregman-Kaczmarz method for strongly convex linearly constraint optimization
von: Tondji, Lionel, et al.
Veröffentlicht: (2025)

An adaptive forward-backward-forward splitting algorithm for solving pseudo-monotone inclusions
von: Chorobura, Flavia, et al.
Veröffentlicht: (2025)

Efficiency of stochastic coordinate proximal gradient methods on nonseparable composite optimization
von: Necoara, I., et al.
Veröffentlicht: (2021)

Approximation analysis for the minimization problem of difference-of-convex functions with Moreau envelopes
von: Tang, Yan, et al.
Veröffentlicht: (2024)

Complexity of Linearized Perturbed Augmented Lagrangian Methods for Nonsmooth Nonconvex Optimization with Nonlinear Equality Constraints
von: Bourkhissi, Lahcen El, et al.
Veröffentlicht: (2025)

Exploiting higher-order derivatives in convex optimization methods
von: Kamzolov, Dmitry, et al.
Veröffentlicht: (2022)

On the Worst-Case Analysis of Cyclic Block Coordinate Descent type Algorithms
von: Kamri, Yassine, et al.
Veröffentlicht: (2025)

Closest univariate convex linear-quadratic function approximation with minimal number of Pieces
von: Kundu, Namrata, et al.
Veröffentlicht: (2025)

Global and local approaches for the minimization of a sum of pointwise minima of convex functions
von: Van Dessel, Guillaume, et al.
Veröffentlicht: (2025)

Optimal and parameter-free gradient minimization methods for convex and nonconvex optimization
von: Lan, Guanghui, et al.
Veröffentlicht: (2023)

The Method of Ellipcenters for strongly convex minimization
von: Behling, Roger, et al.
Veröffentlicht: (2026)

Conditions for representation of a function of many arguments as the difference of convex functions
von: Proudnikov, Igor
Veröffentlicht: (2017)

A preconditioned third-order implicit-explicit algorithm with a difference of varying convex functions and extrapolation
von: Wu, Kelin, et al.
Veröffentlicht: (2025)

Second-order methods for quartically-regularised cubic polynomials, with applications to high-order tensor methods
von: Cartis, Coralia, et al.
Veröffentlicht: (2023)

An optimal first-order method for smooth and strongly convex composite optimization and its stationary limit
von: Upadhyaya, Manu, et al.
Veröffentlicht: (2026)

Hypodifferentials of nonsmooth convex functions and their applications to nonsmooth convex optimization
von: Dolgopolik, M. V.
Veröffentlicht: (2023)

Contractive difference-of-convex algorithms
von: He, Songnian, et al.
Veröffentlicht: (2025)

On extending the class of convex functions
von: Mohan, Shravan
Veröffentlicht: (2025)

A Riemannian rank-adaptive method for higher-order tensor completion in the tensor-train format
von: Vermeylen, Charlotte, et al.
Veröffentlicht: (2024)