Buchumschlag

A Hyper-Transformer model for Controllable Pareto Front Learning with Split Feasibility Constraints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tuan, Tran Anh, Dung, Nguyen Viet, Thang, Tran Ngoc
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Two-Phase Adaptive Balanced Penalty Method for Controllable Pareto Front Learning under Split Feasibility Conditions
von: Hoang, Nguyen Viet, et al.
Veröffentlicht: (2026)

A Novel Approach in Solving Stochastic Generalized Linear Regression via Nonconvex Programming
von: Anh, Vu Duc, et al.
Veröffentlicht: (2024)

Adaptive multi-gradient methods for quasiconvex vector optimization and applications to multi-task learning
von: Minh, Nguyen Anh, et al.
Veröffentlicht: (2024)

Provably data-driven projection method for quadratic programming
von: Nguyen, Anh Tuan, et al.
Veröffentlicht: (2025)

A Steepest Gradient Method with Nonmonotone Adaptive Step-sizes for the Nonconvex Minimax and Multi-Objective Optimization Problems
von: Anh, Nguyen Duc, et al.
Veröffentlicht: (2025)

Coverage-Validity-Aware Algorithmic Recourse
von: Bui, Ngoc, et al.
Veröffentlicht: (2023)

Pareto Front Shape-Agnostic Pareto Set Learning in Multi-Objective Optimization
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)

Controllable Expensive Multi-objective Learning with Warm-starting Bayesian Optimization
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2023)

SCOPE: Spectral Concentration by Distributionally Robust Joint Covariance-Precision Estimation
von: Chen, Renjie, et al.
Veröffentlicht: (2025)

Shuffling Momentum Gradient Algorithm for Convex Optimization
von: Tran, Trang H., et al.
Veröffentlicht: (2024)

Shuffling Gradient-Based Methods for Nonconvex-Concave Minimax Optimization
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2024)

Selective Ambulance Dispatch Under Contextual Travel-Time Uncertainty
von: Lin, Zikun, et al.
Veröffentlicht: (2026)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)

Control and optimization for Neural Partial Differential Equations in Supervised Learning
von: Bensoussan, Alain, et al.
Veröffentlicht: (2025)

A Geometric Unification of Distributionally Robust Covariance Estimators: Shrinking the Spectrum by Inflating the Ambiguity Set
von: Yue, Man-Chung, et al.
Veröffentlicht: (2024)

Conformal Mixed-Integer Constraint Learning with Feasibility Guarantees
von: Ovalle, Daniel, et al.
Veröffentlicht: (2025)

Distributional Surgery for Language Model Activations
von: Nguyen, Bao, et al.
Veröffentlicht: (2025)

A Semantic-Loss Function Modeling Framework With Task-Oriented Machine Learning Perspectives
von: Nguyen, Ti Ti, et al.
Veröffentlicht: (2025)

VFOG: Variance-Reduced Fast Optimistic Gradient Methods for a Class of Nonmonotone Generalized Equations
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2025)

Gap Safe Screening Rules for Fast Training of Robust Support Vector Machines under Feature Noise
von: Nguyen, Tan-Hau, et al.
Veröffentlicht: (2026)

Adjusted Shuffling SARAH: Advancing Complexity Analysis via Dynamic Gradient Weighting
von: Nguyen, Duc Toan, et al.
Veröffentlicht: (2025)

HUANet: Hard-Constrained Unrolled ADMM for Constrained Convex Optimization
von: Tran, Trinh, et al.
Veröffentlicht: (2026)

Unbiased and Biased Variance-Reduced Forward-Reflected-Backward Splitting Methods for Stochastic Composite Inclusions
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2026)

Reevaluating Theoretical Analysis Methods for Optimization in Deep Learning
von: Tran, Hoang, et al.
Veröffentlicht: (2024)

Control, Optimal Transport and Neural Differential Equations in Supervised Learning
von: Phung, Minh-Nhat, et al.
Veröffentlicht: (2025)

Preference-Optimized Pareto Set Learning for Blackbox Optimization
von: Haishan, Zhang, et al.
Veröffentlicht: (2024)

A mathematical framework for time-delay reservoir computing analysis
von: Clabaut, Anh-Tuan, et al.
Veröffentlicht: (2026)

QCQP-Net: Reliably Learning Feasible Alternating Current Optimal Power Flow Solutions Under Constraints
von: Zeng, Sihan, et al.
Veröffentlicht: (2024)

Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions
von: Castañeda, Fernando, et al.
Veröffentlicht: (2022)

Randomized Block-Coordinate Optimistic Gradient Algorithms for Root-Finding Problems
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2023)

FSNet: Feasibility-Seeking Neural Network for Constrained Optimization with Guarantees
von: Nguyen, Hoang T., et al.
Veröffentlicht: (2025)

Collaborative Pareto Set Learning in Multiple Multi-Objective Optimization Problems
von: Shang, Chikai, et al.
Veröffentlicht: (2024)

Traversing Pareto Optimal Policies: Provably Efficient Multi-Objective Reinforcement Learning
von: Qiu, Shuang, et al.
Veröffentlicht: (2024)

In-Context Learning for Data-Driven Censored Inventory Control
von: Mukherjee, Sohom, et al.
Veröffentlicht: (2026)

Moment Sum-of-Squares Hierarchy for Gromov Wasserstein: Continuous Extensions and Sample Complexity
von: Tran, Hoang Anh, et al.
Veröffentlicht: (2025)

Sum-of-Squares Hierarchy for the Gromov Wasserstein Problem
von: Tran, Hoang Anh, et al.
Veröffentlicht: (2025)

Decentralized Federated Learning with Gradient Tracking over Time-Varying Directed Networks
von: Nguyen, Duong Thuy Anh, et al.
Veröffentlicht: (2024)

Efficient First-Order Optimization on the Pareto Set for Multi-Objective Learning under Preference Guidance
von: Chen, Lisha, et al.
Veröffentlicht: (2025)

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

Fairness-informed Pareto Optimization : An Efficient Bilevel Framework
von: Tanji, Sofiane, et al.
Veröffentlicht: (2026)