Buchumschlag

Chasing Convex Functions with Long-term Constraints

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lechowicz, Adam, Christianson, Nicolas, Sun, Bo, Bashir, Noman, Hajiesmaili, Mohammad, Wierman, Adam, Shenoy, Prashant
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Data Structures and Algorithms Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Online Conversion with Switching Costs: Robust and Learning-Augmented Algorithms
von: Lechowicz, Adam, et al.
Veröffentlicht: (2023)

Learning-Augmented Competitive Algorithms for Spatiotemporal Online Allocation with Deadline Constraints
von: Lechowicz, Adam, et al.
Veröffentlicht: (2024)

Online Smoothed Demand Management
von: Lechowicz, Adam, et al.
Veröffentlicht: (2025)

The Online Pause and Resume Problem: Optimal Algorithms and An Application to Carbon-Aware Load Shifting
von: Lechowicz, Adam, et al.
Veröffentlicht: (2023)

Online Algorithms with Uncertainty-Quantified Predictions
von: Sun, Bo, et al.
Veröffentlicht: (2023)

Signal-Aware Workload Shifting Algorithms with Uncertainty-Quantified Predictors
von: Johnson, Ezra, et al.
Veröffentlicht: (2025)

Time Fairness in Online Knapsack Problems
von: Lechowicz, Adam, et al.
Veröffentlicht: (2023)

Risk-Sensitive Online Algorithms
von: Christianson, Nicolas, et al.
Veröffentlicht: (2024)

Optimal Decentralized Smoothed Online Convex Optimization
von: Bhuyan, Neelkamal, et al.
Veröffentlicht: (2024)

Online Search with Predictions: Pareto-optimal Algorithm and its Applications in Energy Markets
von: Lee, Russell, et al.
Veröffentlicht: (2022)

Robust Learning-Augmented Dictionaries
von: Zeynali, Ali, et al.
Veröffentlicht: (2024)

Prediction-Specific Design of Learning-Augmented Algorithms
von: Li, Sizhe, et al.
Veröffentlicht: (2025)

Best of Both Worlds Guarantees for Smoothed Online Quadratic Optimization
von: Bhuyan, Neelkamal, et al.
Veröffentlicht: (2023)

SCaLE: Switching Cost aware Learning and Exploration
von: Bhuyan, Neelkamal, et al.
Veröffentlicht: (2026)

Unlearning Offline Stochastic Multi-Armed Bandits
von: Ye, Zichun, et al.
Veröffentlicht: (2026)

Learning and Testing Convex Functions
von: Pinto Jr., Renato Ferreira, et al.
Veröffentlicht: (2025)

$O(\sqrt{T})$ Static Regret and Instance Dependent Constraint Violation for Constrained Online Convex Optimization
von: Vaze, Rahul, et al.
Veröffentlicht: (2025)

Learning Juntas under Markov Random Fields
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Green Bin Packing
von: Bibbens, Jackson, et al.
Veröffentlicht: (2025)

Connectivity Oracles for Predictable Vertex Failures
von: Hu, Bingbing, et al.
Veröffentlicht: (2023)

Learning Intersections of Halfspaces with Distribution Shift: Improved Algorithms and SQ Lower Bounds
von: Klivans, Adam R., et al.
Veröffentlicht: (2024)

Testable Learning with Distribution Shift
von: Klivans, Adam R., et al.
Veröffentlicht: (2023)

Omnipredictors for Regression and the Approximate Rank of Convex Functions
von: Gopalan, Parikshit, et al.
Veröffentlicht: (2024)

Near-optimal Swap Regret Minimization for Convex Losses
von: Hu, Lunjia, et al.
Veröffentlicht: (2026)

Optimal Approximation -- Smoothness Tradeoffs for Soft-Max Functions
von: Epasto, Alessandro, et al.
Veröffentlicht: (2020)

Approximation Algorithms for Combinatorial Optimization with Predictions
von: Antoniadis, Antonios, et al.
Veröffentlicht: (2024)

Equivalence of Coarse and Fine-Grained Models for Learning with Distribution Shift
von: Klivans, Adam R., et al.
Veröffentlicht: (2026)

The Power of Iterative Filtering for Supervised Learning with (Heavy) Contamination
von: Klivans, Adam R., et al.
Veröffentlicht: (2025)

Testing Noise Assumptions of Learning Algorithms
von: Goel, Surbhi, et al.
Veröffentlicht: (2025)

A Fully Polynomial-Time Algorithm for Robustly Learning Halfspaces over the Hypercube
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Learning Neural Networks with Distribution Shift: Efficiently Certifiable Guarantees
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Capacity Provisioning Motivated Online Non-Convex Optimization Problem with Memory and Switching Cost
von: Vaze, Rahul, et al.
Veröffentlicht: (2024)

Efficient Discrepancy Testing for Learning with Distribution Shift
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2024)

Computational-Statistical Tradeoffs at the Next-Token Prediction Barrier: Autoregressive and Imitation Learning under Misspecification
von: Rohatgi, Dhruv, et al.
Veröffentlicht: (2025)

Iterative Chow Filtering for Learning with Distribution Shift
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2026)

Metalearning with Very Few Samples Per Task
von: Aliakbarpour, Maryam, et al.
Veröffentlicht: (2023)

Log-concave Sampling from a Convex Body with a Barrier: a Robust and Unified Dikin Walk
von: Gu, Yuzhou, et al.
Veröffentlicht: (2024)

Finite and Corruption-Robust Regret Bounds in Online Inverse Linear Optimization under M-Convex Action Sets
von: Oki, Taihei, et al.
Veröffentlicht: (2026)

Optimization of Inter-group Criteria for Clustering with Minimum Size Constraints
von: Laber, Eduardo S., et al.
Veröffentlicht: (2024)

LACS: Learning-Augmented Algorithms for Carbon-Aware Resource Scaling with Uncertain Demand
von: Bostandoost, Roozbeh, et al.
Veröffentlicht: (2024)