Buchumschlag

Local convergence of simultaneous min-max algorithms to differential equilibrium on Riemannian manifold

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Zhang, Sixin
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

Riemannian coordinate descent algorithms on matrix manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Mirror Descent-Ascent for mean-field min-max problems
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

A Fisher-Rao gradient flow for entropic mean-field min-max games
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

A stochastic smoothing framework for nonconvex-nonconcave min-sum-max problems with applications to Wasserstein distributionally robust optimization
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Learning to optimize with guarantees: a complete characterization of linearly convergent algorithms
von: Martin, Andrea, et al.
Veröffentlicht: (2025)

Local linear convergence of gradient methods for overparameterized Gaussian mixtures
von: Wang, Jingxing, et al.
Veröffentlicht: (2026)

Binary Kernel Logistic Regression: a sparsity-inducing formulation and a convergent decomposition training algorithm
von: Consolo, Antonio, et al.
Veröffentlicht: (2025)

Mean-square and linear convergence of a stochastic proximal point algorithm in metric spaces of nonpositive curvature
von: Pischke, Nicholas
Veröffentlicht: (2025)

Hilbert's projective metric for functions of bounded growth and exponential convergence of Sinkhorn's algorithm
von: Eckstein, Stephan
Veröffentlicht: (2023)

Riemannian Dueling Optimization
von: Ren, Yuxuan, et al.
Veröffentlicht: (2026)

Riemannian Stochastic Gradient Method for Nested Composition Optimization
von: Zhang, Dewei, et al.
Veröffentlicht: (2022)

Tame Riemannian Stochastic Approximation
von: Aspman, Johannes, et al.
Veröffentlicht: (2023)

Riemannian Neural Optimal Transport
von: Micheli, Alessandro, et al.
Veröffentlicht: (2026)

Mirror Descent on Riemannian Manifolds
von: Jiang, Jiaxin, et al.
Veröffentlicht: (2026)

A note on convergence of Wasserstein policy optimization
von: Šiška, David, et al.
Veröffentlicht: (2026)

Scalable Second-order Riemannian Optimization for $K$-means Clustering
von: Xu, Peng, et al.
Veröffentlicht: (2025)

Restarted contractive operators to learn at equilibrium
von: Davy, Leo, et al.
Veröffentlicht: (2025)

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

A Framework for Bilevel Optimization on Riemannian Manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Landing with the Score: Riemannian Optimization through Denoising
von: Kharitenko, Andrey, et al.
Veröffentlicht: (2025)

Tradeoffs between convergence rate and noise amplification for momentum-based accelerated optimization algorithms
von: Mohammadi, Hesameddin, et al.
Veröffentlicht: (2022)

Some iterative algorithms on Riemannian manifolds and Banach spaces with good global convergence guarantee
von: Truong, Tuyen Trung
Veröffentlicht: (2025)

Extragradient Type Methods for Riemannian Variational Inequality Problems
von: Hu, Zihao, et al.
Veröffentlicht: (2023)

Fast, Accurate Manifold Denoising by Tunneling Riemannian Optimization
von: Wang, Shiyu, et al.
Veröffentlicht: (2025)

Implicit Riemannian Optimism with Applications to Min-Max Problems
von: Roux, Christophe, et al.
Veröffentlicht: (2025)

Riemannian Optimization for Hadamard Products of Low-Rank Matrices
von: Jawanpuria, Pratik, et al.
Veröffentlicht: (2026)

Linear convergence of forward-backward accelerated algorithms without knowledge of the modulus of strong convexity
von: Li, Bowen, et al.
Veröffentlicht: (2023)

Decentralized Riemannian Conjugate Gradient Method on the Stiefel Manifold
von: Chen, Jun, et al.
Veröffentlicht: (2023)

Dissipative Gradient Descent Ascent Method: A Control Theory Inspired Algorithm for Min-max Optimization
von: Zheng, Tianqi, et al.
Veröffentlicht: (2024)

Strengthening the finite characterizations of smooth min-max games
von: Krivchenko, Valery, et al.
Veröffentlicht: (2026)

Learning-Rate-Free Stochastic Optimization over Riemannian Manifolds
von: Dodd, Daniel, et al.
Veröffentlicht: (2024)

Decentralized Optimization on Compact Submanifolds by Quantized Riemannian Gradient Tracking
von: Chen, Jun, et al.
Veröffentlicht: (2025)

Convergence and Complexity Guarantee for Inexact First-order Riemannian Optimization Algorithms
von: Li, Yuchen, et al.
Veröffentlicht: (2024)

Faster Convergence of Riemannian Stochastic Gradient Descent with Increasing Batch Size
von: Oowada, Kanata, et al.
Veröffentlicht: (2025)

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

A Theoretical Framework for Grokking: Interpolation followed by Riemannian Norm Minimisation
von: Boursier, Etienne, et al.
Veröffentlicht: (2025)

Efficient Optimization with Orthogonality Constraint: a Randomized Riemannian Submanifold Method
von: Han, Andi, et al.
Veröffentlicht: (2025)

Convergence and complexity of block majorization-minimization for constrained block-Riemannian optimization
von: Li, Yuchen, et al.
Veröffentlicht: (2023)

On the convergence rate of noisy Bayesian Optimization with Expected Improvement
von: Wang, Jingyi, et al.
Veröffentlicht: (2025)

Riemannian Optimization for Non-convex Euclidean Distance Geometry with Global Recovery Guarantees
von: Smith, Chandler, et al.
Veröffentlicht: (2024)