Buchumschlag

Projection-Free Variance Reduction Methods for Stochastic Constrained Multi-Level Compositional Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Wei, Yang, Sifan, Yang, Wenhao, Wang, Yibo, Wan, Yuanyu, Zhang, Lijun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Variance Reduction for Stochastic Optimization under Weaker Assumptions
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Efficient Sign-Based Optimization: Accelerating Convergence via Variance Reduction
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Projection-free Online Learning over Strongly Convex Sets
von: Wan, Yuanyu, et al.
Veröffentlicht: (2020)

Improved Analysis for Sign-based Methods with Momentum Updates
von: Jiang, Wei, et al.
Veröffentlicht: (2025)

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

Revisiting Multi-Agent Asynchronous Online Optimization with Delays: the Strongly Convex Case
von: Bao, Lingchan, et al.
Veröffentlicht: (2025)

On the Stochastic (Variance-Reduced) Proximal Gradient Method for Regularized Expected Reward Optimization
von: Liang, Ling, et al.
Veröffentlicht: (2024)

Variance Reduction and Low Sample Complexity in Stochastic Optimization via Proximal Point Method
von: Liang, Jiaming
Veröffentlicht: (2024)

Stochastic Compositional Optimization with Compositional Constraints
von: Yang, Shuoguang, et al.
Veröffentlicht: (2022)

TRSVR: An Adaptive Stochastic Trust-Region Method with Variance Reduction
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

Sign-Based Optimizers Are Effective Under Heavy-Tailed Noise
von: Yu, Dingzhi, et al.
Veröffentlicht: (2026)

Efficient Stochastic Approximation of Minimax Excess Risk Optimization
von: Zhang, Lijun, et al.
Veröffentlicht: (2023)

Stochastic Gradient Langevin Dynamics with Variance Reduction
von: Huang, Zhishen, et al.
Veröffentlicht: (2021)

Infeasible Deterministic, Stochastic, and Variance-Reduction Algorithms for Optimization under Orthogonality Constraints
von: Ablin, Pierre, et al.
Veröffentlicht: (2023)

Decentralized Non-convex Stochastic Optimization with Heterogeneous Variance
von: Chen, Hongxu, et al.
Veröffentlicht: (2026)

Gradient Estimation and Variance Reduction in Stochastic and Deterministic Models
von: Keane, Ronan
Veröffentlicht: (2024)

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

Convergence Analysis of the Lion Optimizer in Centralized and Distributed Settings
von: Jiang, Wei, et al.
Veröffentlicht: (2025)

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

Double Variance Reduction: A Smoothing Trick for Composite Optimization Problems without First-Order Gradient
von: Di, Hao, et al.
Veröffentlicht: (2024)

Towards Weaker Variance Assumptions for Stochastic Optimization
von: Alacaoglu, Ahmet, et al.
Veröffentlicht: (2025)

Projection-Free Functional Constrained Optimization for Risk Aversion and Sparsity Control
von: Cheng, Yi, et al.
Veröffentlicht: (2022)

Towards Fully Parameter-Free Stochastic Optimization: Grid Search with Self-Bounding Analysis
von: Zhao, Yuheng, et al.
Veröffentlicht: (2026)

Projected Forward Gradient-Guided Frank-Wolfe Algorithm via Variance Reduction
von: Rostami, M., et al.
Veröffentlicht: (2024)

Stochastic-Constrained Stochastic Optimization with Markovian Data
von: Kim, Yeongjong, et al.
Veröffentlicht: (2023)

Zeroth-Order Methods for Stochastic Nonconvex Nonsmooth Composite Optimization
von: Chen, Ziyi, et al.
Veröffentlicht: (2025)

Accelerating Multi-Block Constrained Optimization Through Learning to Optimize
von: Liang, Ling, et al.
Veröffentlicht: (2024)

Policy-based Primal-Dual Methods for Concave CMDP with Variance Reduction
von: Ying, Donghao, et al.
Veröffentlicht: (2022)

Unified Convergence Theory of Stochastic and Variance-Reduced Cubic Newton Methods
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2023)

Breaking the Stochasticity Barrier: An Adaptive Variance-Reduced Method for Variational Inequalities
von: Jeong, Yungi, et al.
Veröffentlicht: (2026)

Adaptive Lipschitz-Free Conditional Gradient Methods for Stochastic Composite Nonconvex Optimization
von: Yuan, Ganzhao
Veröffentlicht: (2026)

Bregman Linearized Augmented Lagrangian Method for Nonconvex Constrained Stochastic Zeroth-order Optimization
von: Shi, Qiankun, et al.
Veröffentlicht: (2025)

humancompatible.train: Implementing Optimization Algorithms for Stochastically-Constrained Stochastic Optimization Problems
von: Kliachkin, Andrii, et al.
Veröffentlicht: (2025)

Single-Loop Deterministic and Stochastic Interior-Point Algorithms for Nonlinearly Constrained Optimization
von: Curtis, Frank E., et al.
Veröffentlicht: (2024)

An Iteratively Reweighted Method for Sparse Optimization on Nonconvex $\ell_{p}$ Ball
von: Wang, Hao, et al.
Veröffentlicht: (2021)

Drago: Primal-Dual Coupled Variance Reduction for Faster Distributionally Robust Optimization
von: Mehta, Ronak, et al.
Veröffentlicht: (2024)

Oblivious Stochastic Composite Optimization
von: Lezane, Clément, et al.
Veröffentlicht: (2023)

Tuning-Free Stochastic Optimization
von: Khaled, Ahmed, et al.
Veröffentlicht: (2024)

Beyond Bounded Variance: Variance-Reduced Normalized Methods for Nonconvex Optimization under Blum-Gladyshev Noise
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2026)

How Free is Parameter-Free Stochastic Optimization?
von: Attia, Amit, et al.
Veröffentlicht: (2024)