:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	You, Runze, Pu, Shi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control
Online-Zugang:	https://arxiv.org/abs/2404.05454
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stochastic Push-Pull for Decentralized Nonconvex Optimization
von: You, Runze, et al.
Veröffentlicht: (2025)

FedSUM Family: Efficient Federated Learning Methods under Arbitrary Client Participation
von: You, Runze, et al.
Veröffentlicht: (2025)

A Robust Compressed Push-Pull Method for Decentralized Nonconvex Optimization
von: Liao, Yiwei, et al.
Veröffentlicht: (2024)

Distributed Learning over Arbitrary Topology: Linear Speed-Up with Polynomial Transient Time
von: You, Runze, et al.
Veröffentlicht: (2025)

Decentralized Min-Max Optimization with Gradient Tracking
von: You, Runze, et al.
Veröffentlicht: (2025)

On the Linear Speedup of the Push-Pull Method for Decentralized Optimization over Digraphs
von: Liang, Liyuan, et al.
Veröffentlicht: (2025)

Optimal Push and Pull-Based Edge Caching For Dynamic Content
von: Abolhassani, Bahman, et al.
Veröffentlicht: (2024)

Compressed Proximal Federated Learning for Non-Convex Composite Optimization on Heterogeneous Data
von: Qiu, Pu, et al.
Veröffentlicht: (2026)

Stochastic Momentum Tracking Push-Pull for Decentralized Optimization over Directed Graphs
von: Fan, Wenqi, et al.
Veröffentlicht: (2026)

Distributed Normal Map-based Stochastic Proximal Gradient Methods over Networks
von: Huang, Kun, et al.
Veröffentlicht: (2024)

Heterogeneous Stochastic Momentum ADMM for Distributed Nonconvex Composite Optimization
von: Zhang, Yangming, et al.
Veröffentlicht: (2026)

Distributed Random Reshuffling Methods with Improved Convergence
von: Huang, Kun, et al.
Veröffentlicht: (2023)

On the Convergence of a Noisy Gradient Method for Non-convex Distributed Resource Allocation: Saddle Point Escape
von: Qin, Lei, et al.
Veröffentlicht: (2025)

Policy Gradient Methods for Risk-Sensitive Distributional Reinforcement Learning with Provable Convergence
von: Xiao, Minheng, et al.
Veröffentlicht: (2024)

An Accelerated Distributed Stochastic Gradient Method with Momentum
von: Huang, Kun, et al.
Veröffentlicht: (2024)

Asynchronous Push-sum Dual Gradient Algorithm in Distributed Model Predictive Control
von: Wang, Pengbiao, et al.
Veröffentlicht: (2025)

On The Concurrence of Layer-wise Preconditioning Methods and Provable Feature Learning
von: Zhang, Thomas T., et al.
Veröffentlicht: (2025)

Optimal Complexity in Byzantine-Robust Distributed Stochastic Optimization with Data Heterogeneity
von: Shi, Qiankun, et al.
Veröffentlicht: (2025)

First Provably Optimal Asynchronous SGD for Homogeneous and Heterogeneous Data
von: Maranjyan, Artavazd
Veröffentlicht: (2026)

Data-Driven Stochastic Distribution System Hardening Based on Bayesian Online Learning
von: Shi, Wenlong, et al.
Veröffentlicht: (2025)

Provably Efficient Exploration in Policy Optimization
von: Cai, Qi, et al.
Veröffentlicht: (2019)

Communication Efficient Federated Learning with Linear Convergence on Heterogeneous Data
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Subspace Optimization for Efficient Federated Learning under Heterogeneous Data
von: Zhu, Shuchen, et al.
Veröffentlicht: (2026)

Iterative Data-Consistent Inversion with Multiple Push-forward Constraints
von: Jiang, Tianyi, et al.
Veröffentlicht: (2026)

Convergence Analysis of EXTRA in Non-convex Distributed Optimization
von: Qin, Lei, et al.
Veröffentlicht: (2025)

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

Multi-View Clustering Meets Heterogenous Data: A Fusion Regularized Method
von: Xing, Xiangru, et al.
Veröffentlicht: (2025)

(Corrected Version) Push-LSVRG-UP: Distributed Stochastic Optimization over Unbalanced Directed Networks with Uncoordinated Triggered Probabilities
von: Hu, Jinhui, et al.
Veröffentlicht: (2023)

Coherency Analysis in Nonlinear Heterogeneous Power Networks: A Blended Dynamics Approach
von: Liu, Yixuan, et al.
Veröffentlicht: (2025)

Model-Targeted Data Poisoning Attacks against ITS Applications with Provable Convergence
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Distributed Stochastic Momentum Tracking with Local Updates: Achieving Optimal Communication and Iteration Complexities
von: Huang, Kun, et al.
Veröffentlicht: (2025)

Log-Scale Quantization in Distributed First-Order Methods: Gradient-based Learning from Distributed Data
von: Doostmohammadian, Mohammadreza, et al.
Veröffentlicht: (2024)

Adaptive Polyak Stepsize with Level-value Adjustment for Distributed Optimization
von: Ouyang, Chen, et al.
Veröffentlicht: (2026)

Towards Simple and Provable Parameter-Free Adaptive Gradient Methods
von: Tao, Yuanzhe, et al.
Veröffentlicht: (2024)

Provably Convergent Federated Trilevel Learning
von: Jiao, Yang, et al.
Veröffentlicht: (2023)

Loopless Proximal Riemannian Gradient EXTRA for Distributed Optimization on Compact Manifolds
von: Xiong, Yongyang, et al.
Veröffentlicht: (2026)

Smoothed Proximal Lagrangian Method for Nonlinear Constrained Programs
von: Pu, Wenqiang, et al.
Veröffentlicht: (2024)

Two-timescale EXTRA for Distributed Smooth Non-convex Optimization
von: Peng, Zeyu, et al.
Veröffentlicht: (2024)

Data-Enabled Policy Optimization for Direct Adaptive Learning of the LQR
von: Zhao, Feiran, et al.
Veröffentlicht: (2024)

A Heterogeneous Multiscale Method for Efficient Simulation of Power Systems with Inverter-Based Resources
von: Huang, Kaiyang, et al.
Veröffentlicht: (2025)