Buchumschlag

A note on continuous-time online learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ying, Lexing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Bellman equations for continuous-time policy evaluation I: discretization and approximation
von: Mou, Wenlong, et al.
Veröffentlicht: (2024)

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

Natural Riemannian gradient for learning functional tensor networks
von: Klug, Nikolas, et al.
Veröffentlicht: (2026)

Neural incomplete factorization: learning preconditioners for the conjugate gradient method
von: Häusner, Paul, et al.
Veröffentlicht: (2023)

PADAM: Parallel averaged Adam reduces the error for stochastic optimization in scientific machine learning
von: Jentzen, Arnulf, et al.
Veröffentlicht: (2025)

An efficient algorithm for entropic optimal transport under martingale-type constraints
von: Tang, Xun, et al.
Veröffentlicht: (2025)

Latent feedback control of distributed systems in multiple scenarios through deep learning-based reduced order models
von: Tomasetto, Matteo, et al.
Veröffentlicht: (2024)

Accuracy of Discretely Sampled Stochastic Policies in Continuous-time Reinforcement Learning
von: Jia, Yanwei, et al.
Veröffentlicht: (2025)

Learning rate adaptive stochastic gradient descent optimization methods: numerical simulations for deep learning methods for partial differential equations and convergence analyses
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

DeepMartingale: Duality of the Optimal Stopping Problem with Expressivity and High-Dimensional Hedging
von: Ye, Junyan, et al.
Veröffentlicht: (2025)

Non-asymptotic convergence analysis of the stochastic gradient Hamiltonian Monte Carlo algorithm with discontinuous stochastic gradient with applications to training of ReLU neural networks
von: Liang, Luxu, et al.
Veröffentlicht: (2024)

Learning Regularization Functionals for Inverse Problems: A Comparative Study
von: Hertrich, Johannes, et al.
Veröffentlicht: (2025)

Langevin dynamics based algorithm e-TH$\varepsilon$O POULA for stochastic optimization problems with discontinuous stochastic gradient
von: Lim, Dong-Young, et al.
Veröffentlicht: (2022)

A Family of Controllable Momentum Coefficients for Forward-Backward Accelerated Algorithms
von: Fu, Mingwei, et al.
Veröffentlicht: (2025)

A Gauss-Newton Approach for Min-Max Optimization in Generative Adversarial Networks
von: Mishra, Neel, et al.
Veröffentlicht: (2024)

A distributed semismooth Newton based augmented Lagrangian method for distributed optimization
von: Ma, Qihao, et al.
Veröffentlicht: (2026)

RGNMR: A Gauss-Newton method for robust matrix completion with theoretical guarantees
von: Laufer, Eilon Vaknin, et al.
Veröffentlicht: (2025)

A Trust-Region Interior-Point Stochastic Sequential Quadratic Programming Method
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

A Block Coordinate Descent Method for Nonsmooth Composite Optimization under Orthogonality Constraints
von: Yuan, Ganzhao
Veröffentlicht: (2023)

sparseGeoHOPCA: A Geometric Solution to Sparse Higher-Order PCA Without Covariance Estimation
von: Xu, Renjie, et al.
Veröffentlicht: (2025)

KANtrol: A Physics-Informed Kolmogorov-Arnold Network Framework for Solving Multi-Dimensional and Fractional Optimal Control Problems
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

A Natural Primal-Dual Hybrid Gradient Method for Adversarial Neural Network Training on Solving Partial Differential Equations
von: Liu, Shu, et al.
Veröffentlicht: (2024)

Why is Normalization Preferred? A Worst-Case Complexity Theory for Stochastically Preconditioned SGD under Heavy-Tailed Noise
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

Solving the Offline and Online Min-Max Problem of Non-smooth Submodular-Concave Functions: A Zeroth-Order Approach
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2026)

On the numerical reliability of nonsmooth autodiff: a MaxPool case study
von: Boustany, Ryan
Veröffentlicht: (2024)

Subhomogeneous Deep Equilibrium Models
von: Sittoni, Pietro, et al.
Veröffentlicht: (2024)

Flattened one-bit stochastic gradient descent: compressed distributed optimization with controlled variance
von: Stollenwerk, Alexander, et al.
Veröffentlicht: (2024)

Efficient Trajectory Inference in Wasserstein Space Using Consecutive Averaging
von: Banerjee, Amartya, et al.
Veröffentlicht: (2024)

Anderson Acceleration in Nonsmooth Problems: Local Convergence via Active Manifold Identification
von: Li, Kexin, et al.
Veröffentlicht: (2024)

Cubic regularized subspace Newton for non-convex optimization
von: Zhao, Jim, et al.
Veröffentlicht: (2024)

Towards Quantifying the Preconditioning Effect of Adam
von: Das, Rudrajit, et al.
Veröffentlicht: (2024)

Super Gradient Descent: Global Optimization requires Global Gradient
von: Achour, Seifeddine
Veröffentlicht: (2024)

Quantitative Convergences of Lie Group Momentum Optimizers
von: Kong, Lingkai, et al.
Veröffentlicht: (2024)

Learning incomplete factorization preconditioners for GMRES
von: Häusner, Paul, et al.
Veröffentlicht: (2024)

Symmetry & Critical Points
von: Arjevani, Yossi
Veröffentlicht: (2024)

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

Efficient Algorithms for Regularized Nonnegative Scale-invariant Low-rank Approximation Models
von: Cohen, Jeremy E., et al.
Veröffentlicht: (2024)

Lyapunov Analysis For Monotonically Forward-Backward Accelerated Algorithms
von: Fu, Mingwei, et al.
Veröffentlicht: (2024)

Suboptimality bounds for trace-bounded SDPs enable a faster and scalable low-rank SDP solver SDPLR+
von: Huang, Yufan, et al.
Veröffentlicht: (2024)

Using Linearized Optimal Transport to Predict the Evolution of Stochastic Particle Systems
von: Karris, Nicholas, et al.
Veröffentlicht: (2024)