Buchumschlag

Have ASkotch: A Neat Solution for Large-scale Kernel Ridge Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rathore, Pratik, Frangella, Zachary, Yang, Jiaming, Dereziński, Michał, Udell, Madeleine
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Optimization and Control 65F10, 68W20, 90C06
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Randomized Nyström Preconditioned Interior Point-Proximal Method of Multipliers
von: Chu, Ya-Chi, et al.
Veröffentlicht: (2024)

Subspace-constrained randomized coordinate descent for linear systems with good low-rank matrix approximations
von: Lok, Jackie, et al.
Veröffentlicht: (2025)

Distributed Computing for Huge-Scale Linear Programming
von: Tao, Luoyi
Veröffentlicht: (2024)

On the fast convergence of minibatch heavy ball momentum
von: Bollapragada, Raghu, et al.
Veröffentlicht: (2022)

An accelerated randomized Bregman-Kaczmarz method for strongly convex linearly constraint optimization
von: Tondji, Lionel, et al.
Veröffentlicht: (2025)

Stable gradient-adjusted root mean square propagation on least squares problem
von: Li, Runze, et al.
Veröffentlicht: (2024)

Stochastic versus Deterministic in Stochastic Gradient Descent
von: Li, Runze, et al.
Veröffentlicht: (2025)

Distributed Computing for Huge-Scale Aggregative Convex Programming
von: Tao, Luoyi
Veröffentlicht: (2026)

Numerical Instabilities in the Kaczmarz Method and Stabilization by Iterative Refinement
von: Dereziński, Michał, et al.
Veröffentlicht: (2026)

Communication Compression for Distributed Learning without Control Variates
von: Ortega, Tomas, et al.
Veröffentlicht: (2024)

Communication Compression for Distributed Learning with Aggregate and Server-Guided Feedback
von: Ortega, Tomas, et al.
Veröffentlicht: (2025)

Quantized and Asynchronous Federated Learning
von: Ortega, Tomas, et al.
Veröffentlicht: (2024)

Decentralized Parameter-Free Online Learning with Compressed Gossip
von: Ortega, Tomas, et al.
Veröffentlicht: (2026)

Decentralized Parameter-Free Online Learning
von: Ortega, Tomas, et al.
Veröffentlicht: (2025)

Where Have All the Kaczmarz Iterates Gone?
von: Bergou, El Houcine, et al.
Veröffentlicht: (2025)

Parallelization Strategies for the Randomized Kaczmarz Algorithm on Large-Scale Dense Systems
von: Ferreira, Inês, et al.
Veröffentlicht: (2024)

Robust, randomized preconditioning for kernel ridge regression
von: Díaz, Mateo, et al.
Veröffentlicht: (2023)

Decentralized Optimization in Networks with Arbitrary Delays
von: Ortega, Tomas, et al.
Veröffentlicht: (2024)

Survey of a Class of Iterative Row-Action Methods: The Kaczmarz Method
von: Ferreira, Inês A., et al.
Veröffentlicht: (2024)

Surrogate-based Autotuning for Randomized Sketching Algorithms in Regression Problems
von: Cho, Younghyun, et al.
Veröffentlicht: (2023)

Second-order Information Promotes Mini-Batch Robustness in Variance-Reduced Gradients
von: Garg, Sachin, et al.
Veröffentlicht: (2024)

Decentralized Optimization in Time-Varying Networks with Arbitrary Delays
von: Ortega, Tomas, et al.
Veröffentlicht: (2024)

On the boundedness of the sequence generated by minibatch stochastic gradient descent
von: Bauschke, Heinz H., et al.
Veröffentlicht: (2025)

Distributed Gradient-Regularized Newton Method: Scheduled Consensus and O(epsilon^{-1}) Global Iteration Complexity
von: Hu, Wei, et al.
Veröffentlicht: (2026)

General Constrained Matrix Optimization
von: Garner, Casey, et al.
Veröffentlicht: (2024)

Spectrally Constrained Optimization
von: Garner, Casey, et al.
Veröffentlicht: (2023)

Primal-Dual Coordinate Descent for Nonconvex-Nonconcave Saddle Point Problems Under the Weak MVI Assumption
von: Walwil, Iyad, et al.
Veröffentlicht: (2025)

Convergence of iterates and improved rates for accelerated augmented Lagrangian methods for linearly constrained convex optimization
von: He, Xin, et al.
Veröffentlicht: (2026)

Cutting Some Slack for SGD with Adaptive Polyak Stepsizes
von: Gower, Robert M., et al.
Veröffentlicht: (2022)

MoMo: Momentum Models for Adaptive Learning Rates
von: Schaipp, Fabian, et al.
Veröffentlicht: (2023)

Acceleration and restart for the randomized Bregman-Kaczmarz method
von: Tondji, Lionel, et al.
Veröffentlicht: (2023)

Turbocharging Gaussian Process Inference with Approximate Sketch-and-Project
von: Rathore, Pratik, et al.
Veröffentlicht: (2025)

Compressed and Sparse Models for Non-Convex Decentralized Learning
von: Campbell, Andrew, et al.
Veröffentlicht: (2023)

Power Homotopy for Zeroth-Order Non-Convex Optimizations
von: Xu, Chen
Veröffentlicht: (2025)

Global Optimization with A Power-Transformed Objective and Gaussian Smoothing
von: Xu, Chen
Veröffentlicht: (2024)

Beyond Expectation: Concentration Inequalities for Randomized Iterative Methods
von: Anderson, Toby, et al.
Veröffentlicht: (2025)

Delayed Feedback in Online Non-Convex Optimization: A Non-Stationary Approach with Applications
von: Lara, Felipe, et al.
Veröffentlicht: (2024)

Federated Learning with Convex Global and Local Constraints
von: He, Chuan, et al.
Veröffentlicht: (2023)

Distributed Parallel Structure-Aware Presolving for Arrowhead Linear Programs
von: Kempke, Nils-Christian, et al.
Veröffentlicht: (2026)

General Optimal Step-size for ADMM-type Algorithms: Domain Parametrization and Optimal Rates
von: Ran, Yifan
Veröffentlicht: (2023)