Buchumschlag

Low-Rank Extragradient Methods for Scalable Semidefinite Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Garber, Dan, Kaplan, Atara
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Low-Rank Extragradient Method for Nonsmooth and Low-Rank Matrix Optimization Problems
von: Garber, Dan, et al.
Veröffentlicht: (2022)

Low-Rank Mirror-Prox for Nonsmooth and Low-Rank Matrix Optimization Problems
von: Garber, Dan, et al.
Veröffentlicht: (2022)

First-Order Sparse Convex Optimization: Better Rates with Sparse Updates
von: Garber, Dan
Veröffentlicht: (2025)

A Randomized Linearly Convergent Frank-Wolfe-type Method for Smooth Convex Minimization over the Spectrahedron
von: Garber, Dan
Veröffentlicht: (2025)

Stochastic Newton Proximal Extragradient Method
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Projection-Free Online Convex Optimization with Time-Varying Constraints
von: Garber, Dan, et al.
Veröffentlicht: (2024)

Accelerated Frank-Wolfe Algorithms: Complementarity Conditions and Sparsity
von: Garber, Dan
Veröffentlicht: (2025)

Extragradient Type Methods for Riemannian Variational Inequality Problems
von: Hu, Zihao, et al.
Veröffentlicht: (2023)

Blackwell's Approachability with Approximation Algorithms
von: Garber, Dan, et al.
Veröffentlicht: (2025)

Extragradient Method for $(L_0, L_1)$-Lipschitz Root-finding Problems
von: Choudhury, Sayantan, et al.
Veröffentlicht: (2025)

Fast, Scalable, Warm-Start Semidefinite Programming with Spectral Bundling and Sketching
von: Angell, Rico, et al.
Veröffentlicht: (2023)

Two-timescale Extragradient for Finding Local Minimax Points
von: Chae, Jiseok, et al.
Veröffentlicht: (2023)

Stochastic Extragradient with Flip-Flop Shuffling & Anchoring: Provable Improvements
von: Chae, Jiseok, et al.
Veröffentlicht: (2024)

When is Momentum Extragradient Optimal? A Polynomial-Based Analysis
von: Kim, Junhyung Lyle, et al.
Veröffentlicht: (2022)

Parameter-Free Non-Ergodic Extragradient Algorithms for Solving Monotone Variational Inequalities
von: Shen, Lingqing, et al.
Veröffentlicht: (2026)

Statistically Optimal K-means Clustering via Nonnegative Low-rank Semidefinite Programming
von: Zhuang, Yubo, et al.
Veröffentlicht: (2023)

Compact Lifted Relaxations for Low-Rank Optimization
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2026)

Semidefinite Relaxations of the Gromov-Wasserstein Distance
von: Chen, Junyu, et al.
Veröffentlicht: (2023)

Riemannian Optimization for Hadamard Products of Low-Rank Matrices
von: Jawanpuria, Pratik, et al.
Veröffentlicht: (2026)

Improved Approximation Algorithms for Orthogonally Constrained Problems Using Semidefinite Optimization
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2025)

Weak Proximal Newton Oracles for Composite Convex Optimization
von: Garber, Dan
Veröffentlicht: (2025)

A Semidefinite Programming-Based Branch-and-Cut Algorithm for Biclustering
von: Sudoso, Antonio M.
Veröffentlicht: (2024)

PROMISE: Preconditioned Stochastic Optimization Methods by Incorporating Scalable Curvature Estimates
von: Frangella, Zachary, et al.
Veröffentlicht: (2023)

Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods
von: Li, Gen, et al.
Veröffentlicht: (2023)

Dual Conic Proxy for Semidefinite Relaxation of AC Optimal Power Flow
von: Qiu, Guancheng, et al.
Veröffentlicht: (2025)

Mixtures Closest to a Given Measure: A Semidefinite Programming Approach
von: Đurašinović, Srećko, et al.
Veröffentlicht: (2025)

Mini-Extragradient Methods
von: Liu, Xiaozhi, et al.
Veröffentlicht: (2025)

Towards Optimal Branching of Linear and Semidefinite Relaxations for Neural Network Robustness Certification
von: Anderson, Brendon G., et al.
Veröffentlicht: (2021)

LDAdam: Adaptive Optimization from Low-Dimensional Gradient Statistics
von: Robert, Thomas, et al.
Veröffentlicht: (2024)

From PowerSGD to PowerSGD+: Low-Rank Gradient Compression for Distributed Optimization with Convergence Guarantees
von: Xie, Shengping, et al.
Veröffentlicht: (2025)

Sketch-and-Project Meets Newton Method: Global $\mathcal O(k^{-2})$ Convergence with Low-Rank Updates
von: Hanzely, Slavomír
Veröffentlicht: (2023)

Heaviside Low-Rank Support Matrix Machine
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)

New Understandings and Computation on Augmented Lagrangian Methods for Low-Rank Semidefinite Programming
von: Ding, Lijun, et al.
Veröffentlicht: (2025)

Scalable Kernel Inverse Optimization
von: Long, Youyuan, et al.
Veröffentlicht: (2024)

Efficient Model-Free Exploration in Low-Rank MDPs
von: Mhammedi, Zakaria, et al.
Veröffentlicht: (2023)

Provable Exactness for Asymmetric Low-Rank SDP Learning
von: Hu, Enliang
Veröffentlicht: (2018)

Stochastic Extragradient with Random Reshuffling: Improved Convergence for Variational Inequalities
von: Emmanouilidis, Konstantinos, et al.
Veröffentlicht: (2024)

Random Subspace Cubic-Regularization Methods, with Applications to Low-Rank Functions
von: Cartis, Coralia, et al.
Veröffentlicht: (2025)

Efficient Alternating Minimization with Applications to Weighted Low Rank Approximation
von: Song, Zhao, et al.
Veröffentlicht: (2023)

Variance Reduction and Low Sample Complexity in Stochastic Optimization via Proximal Point Method
von: Liang, Jiaming
Veröffentlicht: (2024)