Buchumschlag

Convex Relaxation for Solving Large-Margin Classifiers in Hyperbolic Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Sheng, Liu, Peihan, Pehlevan, Cengiz
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

A Simplified Analysis of SGD for Linear Regression with Weight Averaging
von: Meterez, Alexandru, et al.
Veröffentlicht: (2025)

Anytime Pretraining: Horizon-Free Learning-Rate Schedules with Weight Averaging
von: Meterez, Alexandru, et al.
Veröffentlicht: (2026)

Seesaw: Accelerating Training by Balancing Learning Rate and Batch Size Scheduling
von: Meterez, Alexandru, et al.
Veröffentlicht: (2025)

Functionally Constrained Algorithm Solves Convex Simple Bilevel Problems
von: Zhang, Huaqing, et al.
Veröffentlicht: (2024)

Convex Relaxations of ReLU Neural Networks Approximate Global Optima in Polynomial Time
von: Kim, Sungyoon, et al.
Veröffentlicht: (2024)

Astral Space: Convex Analysis at Infinity
von: Dudík, Miroslav, et al.
Veröffentlicht: (2022)

Semidefinite Relaxations of the Gromov-Wasserstein Distance
von: Chen, Junyu, et al.
Veröffentlicht: (2023)

Solving Convex-Concave Problems with $\tilde{\mathcal{O}}(ε^{-4/7})$ Second-Order Oracle Complexity
von: Chen, Lesi, et al.
Veröffentlicht: (2025)

RACH-Space: Reconstructing Adaptive Convex Hull Space with Applications in Weak Supervision
von: Na, Woojoo, et al.
Veröffentlicht: (2023)

Efficient Online Large-Margin Classification via Dual Certificates
von: Ho-Nguyen, Nam, et al.
Veröffentlicht: (2025)

Damped Proximal Augmented Lagrangian Method for weakly-Convex Problems with Convex Constraints
von: Dahal, Hari, et al.
Veröffentlicht: (2023)

Are Convex Optimization Curves Convex?
von: Barzilai, Guy, et al.
Veröffentlicht: (2025)

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

Active Learning For Contextual Linear Optimization: A Margin-Based Approach
von: Liu, Mo, et al.
Veröffentlicht: (2023)

Learning-Augmented Decentralized Online Convex Optimization in Networks
von: Li, Pengfei, et al.
Veröffentlicht: (2023)

Bandit Convex Optimisation
von: Lattimore, Tor
Veröffentlicht: (2024)

Safe and Efficient Online Convex Optimization with Linear Budget Constraints and Partial Feedback
von: Liu, Shanqi, et al.
Veröffentlicht: (2024)

Online Convex Optimization with Memory and Limited Predictions
von: Wang, Zhengmiao, et al.
Veröffentlicht: (2024)

Large Stepsize Gradient Descent for Non-Homogeneous Two-Layer Networks: Margin Improvement and Fast Optimization
von: Cai, Yuhang, et al.
Veröffentlicht: (2024)

Universal Online Convex Optimization with $1$ Projection per Round
von: Yang, Wenhao, et al.
Veröffentlicht: (2024)

A Convex-optimization-based Layer-wise Post-training Pruner for Large Language Models
von: Zhao, Pengxiang, et al.
Veröffentlicht: (2024)

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

The Surprising Agreement Between Convex Optimization Theory and Learning-Rate Scheduling for Large Model Training
von: Schaipp, Fabian, et al.
Veröffentlicht: (2025)

Online Convex Optimization with Heavy Tails: Old Algorithms, New Regrets, and Applications
von: Liu, Zijian
Veröffentlicht: (2025)

Universal Online Convex Optimization Meets Second-order Bounds
von: Zhang, Lijun, et al.
Veröffentlicht: (2021)

Homotopy Relaxation Training Algorithms for Infinite-Width Two-Layer ReLU Neural Networks
von: Yang, Yahong, et al.
Veröffentlicht: (2023)

Bilevel Optimization with Lower-Level Uniform Convexity: Theory and Algorithm
von: Wu, Yuman, et al.
Veröffentlicht: (2026)

Revisiting Convergence of AdaGrad with Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

Compact Lifted Relaxations for Low-Rank Optimization
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2026)

Improved Last-Iterate Convergence of Shuffling Gradient Methods for Nonsmooth Convex Optimization
von: Liu, Zijian, et al.
Veröffentlicht: (2025)

Complexity Lower Bounds of Adaptive Gradient Algorithms for Non-convex Stochastic Optimization under Relaxed Smoothness
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

A Modular Algorithm for Non-Stationary Online Convex-Concave Optimization
von: Meng, Qing-xin, et al.
Veröffentlicht: (2025)

Single-Loop Stochastic Algorithms for Difference of Max-Structured Weakly Convex Functions
von: Hu, Quanqi, et al.
Veröffentlicht: (2024)

SOC-ICNN: From Polyhedral to Conic Geometry for Learning Convex Surrogate Functions
von: Liu, Kang, et al.
Veröffentlicht: (2026)

On Convergence of Adam for Stochastic Optimization under Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

Relaxation-Informed Training of Neural Network Surrogate Models
von: Tsay, Calvin
Veröffentlicht: (2026)

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

Decentralized Stochastic Nonconvex Optimization under the Relaxed Smoothness
von: Luo, Luo, et al.
Veröffentlicht: (2025)

The Price of Adaptivity in Stochastic Convex Optimization
von: Carmon, Yair, et al.
Veröffentlicht: (2024)

Stochastic Difference-of-Convex Optimization with Momentum
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2025)