:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Li, Chris Junchi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	https://arxiv.org/abs/2404.14358
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Enhancing Stochastic Optimization for Statistical Efficiency Using ROOT-SGD with Diminishing Stepsize
von: Li, Chris Junchi
Veröffentlicht: (2024)

Accelerated Fully First-Order Methods for Bilevel and Minimax Optimization
von: Li, Chris Junchi
Veröffentlicht: (2024)

TiAda: A Time-scale Adaptive Algorithm for Nonconvex Minimax Optimization
von: Li, Xiang, et al.
Veröffentlicht: (2022)

ROOT-SGD: Sharp Nonasymptotics and Near-Optimal Asymptotics in a Single Algorithm
von: Li, Chris Junchi, et al.
Veröffentlicht: (2020)

A Riemannian ADMM
von: Li, Jiaxiang, et al.
Veröffentlicht: (2022)

Federated ADMM from Bayesian Duality
von: Möllenhoff, Thomas, et al.
Veröffentlicht: (2025)

Distributed Event-Based Learning via ADMM
von: Er, Guner Dilsad, et al.
Veröffentlicht: (2024)

ADMM Algorithms for Residual Network Training: Convergence Analysis and Parallel Implementation
von: Xu, Jintao, et al.
Veröffentlicht: (2023)

Learning Over-Relaxation Policies for ADMM with Convergence Guarantees
von: Lin, Junan, et al.
Veröffentlicht: (2026)

CoCoA Is ADMM: Unifying Two Paradigms in Distributed Optimization
von: Wu, Runxiong, et al.
Veröffentlicht: (2025)

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

Learning to accelerate distributed ADMM using graph neural networks
von: Doerks, Henri, et al.
Veröffentlicht: (2025)

ADMM for Structured Fractional Minimization
von: Yuan, Ganzhao
Veröffentlicht: (2024)

The ADMM-PINNs Algorithmic Framework for Nonsmooth PDE-Constrained Optimization: A Deep Learning Approach
von: Song, Yongcun, et al.
Veröffentlicht: (2023)

Joint Cooperative and Non-Cooperative Localization in WSNs with Distributed Scaled Proximal ADMM Algorithms
von: Zhu, Qiaojia, et al.
Veröffentlicht: (2025)

Finite-Time Decoupled Convergence in Nonlinear Two-Time-Scale Stochastic Approximation
von: Han, Yuze, et al.
Veröffentlicht: (2024)

Federated Learning Using Three-Operator ADMM
von: Kant, Shashi, et al.
Veröffentlicht: (2022)

Physics-Aware Multifidelity Bayesian Optimization: a Generalized Formulation
von: Di Fiore, Francesco, et al.
Veröffentlicht: (2023)

Optimal Guarantees for Algorithmic Reproducibility and Gradient Complexity in Convex Optimization
von: Zhang, Liang, et al.
Veröffentlicht: (2023)

Generalized Continuous-Time Models for Nesterov's Accelerated Gradient Methods
von: Park, Chanwoong, et al.
Veröffentlicht: (2024)

Stochastic Weakly Convex Optimization Beyond Lipschitz Continuity
von: Gao, Wenzhi, et al.
Veröffentlicht: (2024)

A Distributed ADMM-based Deep Learning Approach for Thermal Control in Multi-Zone Buildings under Demand Response Events
von: Taboga, Vincent, et al.
Veröffentlicht: (2023)

Contextual Stochastic Vehicle Routing with Time Windows
von: Serrano, Breno, et al.
Veröffentlicht: (2024)

Stability and Generalization for Stochastic Recursive Momentum-based Algorithms for (Strongly-)Convex One to $K$-Level Stochastic Optimizations
von: Pan, Xiaokang, et al.
Veröffentlicht: (2024)

Convergence Rate in Nonlinear Two-Time-Scale Stochastic Approximation with State (Time)-Dependence
von: Chen, Zixi, et al.
Veröffentlicht: (2025)

Limited Communications Distributed Optimization via Deep Unfolded Distributed ADMM
von: Noah, Yoav, et al.
Veröffentlicht: (2023)

Tight Finite Time Bounds of Two-Time-Scale Linear Stochastic Approximation with Markovian Noise
von: Haque, Shaan Ul, et al.
Veröffentlicht: (2023)

Stochastic Approximation with Unbounded Markovian Noise: A General-Purpose Theorem
von: Haque, Shaan Ul, et al.
Veröffentlicht: (2024)

A Two-Time-Scale Stochastic Optimization Framework with Applications in Control and Reinforcement Learning
von: Zeng, Sihan, et al.
Veröffentlicht: (2021)

$O(1/k)$ Finite-Time Bound for Non-Linear Two-Time-Scale Stochastic Approximation
von: Chandak, Siddharth
Veröffentlicht: (2025)

Finite-Time Bounds for Two-Time-Scale Stochastic Approximation with Arbitrary Norm Contractions and Markovian Noise
von: Chandak, Siddharth, et al.
Veröffentlicht: (2025)

Heavy-Tailed and Long-Range Dependent Noise in Stochastic Approximation: A Finite-Time Analysis
von: Chandak, Siddharth, et al.
Veröffentlicht: (2026)

Double-Bounded Optimal Transport for Advanced Clustering and Classification
von: Shi, Liangliang, et al.
Veröffentlicht: (2024)

Finite-Time Analysis of Stochastic Nonconvex Nonsmooth Optimization on the Riemannian Manifolds
von: Sahinoglu, Emre, et al.
Veröffentlicht: (2025)

Contextual Scenario Generation for Two-Stage Stochastic Programming
von: Islip, David, et al.
Veröffentlicht: (2025)

A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Tight Mixed-Integer Optimization Formulations for Prescriptive Trees
von: Biggs, Max, et al.
Veröffentlicht: (2023)

Fast Two-Time-Scale Stochastic Gradient Method with Applications in Reinforcement Learning
von: Zeng, Sihan, et al.
Veröffentlicht: (2024)

Safe Reinforcement Learning for Constrained Markov Decision Processes with Stochastic Stopping Time
von: Mazumdar, Abhijit, et al.
Veröffentlicht: (2024)

Decoupled Functional Central Limit Theorems for Two-Time-Scale Stochastic Approximation
von: Han, Yuze, et al.
Veröffentlicht: (2024)