Buchumschlag

On the impact of measure pre-conditionings on general parametric ML models and transfer learning via domain adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	García, Joaquín Sánchez
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

Conditional simulation via entropic optimal transport: Toward non-parametric estimation of conditional Brenier maps
von: Baptista, Ricardo, et al.
Veröffentlicht: (2024)

Catapults in SGD: spikes in the training loss and their impact on generalization through feature learning
von: Zhu, Libin, et al.
Veröffentlicht: (2023)

Reinforcement learning for adaptive interior point methods in convex quadratic programming
von: Bertoncini, Jeremy, et al.
Veröffentlicht: (2025)

An adaptively inexact first-order method for bilevel optimization with application to hyperparameter learning
von: Salehi, Mohammad Sadegh, et al.
Veröffentlicht: (2023)

Fast sparse optimization via adaptive shrinkage
von: Cerone, Vito, et al.
Veröffentlicht: (2025)

Real-time optimal control of high-dimensional parametrized systems by deep learning-based reduced order models
von: Tomasetto, Matteo, et al.
Veröffentlicht: (2024)

Online reinforcement learning via sparse Gaussian mixture model Q-functions
von: Vu, Minh, et al.
Veröffentlicht: (2025)

Derivatives of Stochastic Gradient Descent in parametric optimization
von: Iutzeler, Franck, et al.
Veröffentlicht: (2024)

A robust and adaptive MPC formulation for Gaussian process models
von: Dubied, Mathieu, et al.
Veröffentlicht: (2025)

Learning based convex approximation for constrained parametric optimization
von: Liu, Kang, et al.
Veröffentlicht: (2025)

The impact of machine learning forecasting on strategic decision-making for Bike Sharing Systems
von: Angelelli, Enrico, et al.
Veröffentlicht: (2026)

A naive aggregation algorithm for improving generalization in a class of learning problems
von: Befekadu, Getachew K
Veröffentlicht: (2024)

Universal generalization guarantees for Wasserstein distributionally robust models
von: Le, Tam, et al.
Veröffentlicht: (2024)

FairML: A Julia Package for Fair Classification
von: Burgard, Jan Pablo, et al.
Veröffentlicht: (2024)

Towards Noise-adaptive, Problem-adaptive (Accelerated) Stochastic Gradient Descent
von: Vaswani, Sharan, et al.
Veröffentlicht: (2021)

Embedding generalization within the learning dynamics: An approach based-on sample path large deviation theory
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

ML-Guided Primal Heuristics for Mixed Binary Quadratic Programs
von: Huang, Weimin, et al.
Veröffentlicht: (2026)

Alignment of large language models with constrained learning
von: Zhang, Botong, et al.
Veröffentlicht: (2025)

How to unlearn a learned Machine Learning model ?
von: Achour, Seifeddine
Veröffentlicht: (2024)

Integrated trucks assignment and scheduling problem with mixed service mode docks: A Q-learning based adaptive large neighborhood search algorithm
von: Li, Yueyi, et al.
Veröffentlicht: (2024)

A Fair OR-ML Framework for Resource Substitution in Large-Scale Networks
von: Mohan, Ved, et al.
Veröffentlicht: (2025)

On improving generalization in a class of learning problems with the method of small parameters for weakly-controlled optimal gradient systems
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

Dimension-adapted Momentum Outscales SGD
von: Ferbach, Damien, et al.
Veröffentlicht: (2025)

Distributional MIPLIB: a Multi-Domain Library for Advancing ML-Guided MILP Methods
von: Huang, Weimin, et al.
Veröffentlicht: (2024)

Off-policy estimation with adaptively collected data: the power of online learning
von: Lee, Jeonghwan, et al.
Veröffentlicht: (2024)

(Accelerated) Noise-adaptive Stochastic Heavy-Ball Momentum
von: Dang, Anh, et al.
Veröffentlicht: (2024)

A second-order-like optimizer with adaptive gradient scaling for deep learning
von: Bolte, Jérôme, et al.
Veröffentlicht: (2024)

Safe learning-based control via function-based uncertainty quantification
von: Tokmak, Abdullah, et al.
Veröffentlicht: (2026)

Machine Learning for K-adaptability in Two-stage Robust Optimization
von: Julien, Esther, et al.
Veröffentlicht: (2022)

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

Conditionally adaptive augmented Lagrangian method for physics-informed learning of forward and inverse problems
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

Toward generalizable learning of all (linear) first-order methods via memory augmented Transformers
von: Dutta, Sanchayan, et al.
Veröffentlicht: (2024)

A reinforcement learning agent for maintenance of deteriorating systems with increasingly imperfect repairs
von: Marugán, Alberto Pliego, et al.
Veröffentlicht: (2025)

Beyond adaptive gradient: Fast-Controlled Minibatch Algorithm for large-scale optimization
von: Coppola, Corrado, et al.
Veröffentlicht: (2024)

Sparse Polyak: an adaptive step size rule for high-dimensional M-estimation
von: Qiao, Tianqi, et al.
Veröffentlicht: (2025)

On characterizing optimal learning trajectories in a class of learning problems
von: Befekadu, Getachew K
Veröffentlicht: (2025)

Glocal Smoothness: Line search and adaptive step sizes can help in theory too!
von: Fox, Curtis, et al.
Veröffentlicht: (2025)

Local adapt-then-combine algorithms for distributed nonsmooth optimization: Achieving provable communication acceleration
von: Guo, Luyao, et al.
Veröffentlicht: (2026)

Stochastic Auto-conditioned Fast Gradient Methods with Optimal Rates
von: Ji, Yao, et al.
Veröffentlicht: (2026)

Fine-tuning of diffusion models via stochastic control: entropy regularization and beyond
von: Tang, Wenpin, et al.
Veröffentlicht: (2024)