Buchumschlag

Wasserstein Distributionally Robust Shallow Convex Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pallage, Julien, Lesage-Landry, Antoine
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

Online Dynamic Submodular Optimization
von: Lesage-Landry, Antoine, et al.
Veröffentlicht: (2023)

Sliced-Wasserstein Distance-based Data Selection
von: Pallage, Julien, et al.
Veröffentlicht: (2025)

Tight Robustness Certificates and Wasserstein Distributional Attacks for Deep Neural Networks
von: Le, Bach C., et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Regret Optimization
von: Fiechtner, Lukas-Benedikt, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Online Learning
von: Chen, Guixian, et al.
Veröffentlicht: (2026)

Sliced-Wasserstein-based Anomaly Detection and Open Dataset for Localized Critical Peak Rebates
von: Pallage, Julien, et al.
Veröffentlicht: (2024)

On Generalization and Regularization via Wasserstein Distributionally Robust Optimization
von: Wu, Qinyu, et al.
Veröffentlicht: (2022)

Enhancing Distributional Robustness in Principal Component Analysis by Wasserstein Distances
von: Wang, Lei, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)

Distributionally and Adversarially Robust Logistic Regression via Intersecting Wasserstein Balls
von: Selvi, Aras, et al.
Veröffentlicht: (2024)

Convergence Analysis of the Wasserstein Proximal Algorithm beyond Geodesic Convexity
von: Zhu, Shuailong, et al.
Veröffentlicht: (2025)

Randomized Geometric Algebra Methods for Convex Neural Networks
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Wasserstein Distributionally Robust Nash Equilibrium Seeking with Heterogeneous Data: A Lagrangian Approach
von: Wang, Zifan, et al.
Veröffentlicht: (2025)

Neural Collapse under Gradient Flow on Shallow ReLU Networks for Orthogonally Separable Data
von: Min, Hancheng, et al.
Veröffentlicht: (2025)

Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses
von: Tanguy, Eloi
Veröffentlicht: (2023)

Over-parameterised Shallow Neural Networks with Asymmetrical Node Scaling: Global Convergence Guarantees and Feature Learning
von: Caron, Francois, et al.
Veröffentlicht: (2023)

Shallow Neural Networks Learn Low-Degree Spherical Polynomials with Feature Learning by Learnable Channel Attention
von: Yang, Yingzhen
Veröffentlicht: (2025)

Ex Post Conditions for the Exactness of Optimal Power Flow Conic Relaxations
von: Lupien, Jean-Luc, et al.
Veröffentlicht: (2023)

Convex Formulations for Training Two-Layer ReLU Neural Networks
von: Prakhya, Karthik, et al.
Veröffentlicht: (2024)

Natural Geometry of Robust Data Attribution: From Convex Models to Deep Networks
von: Li, Shihao, et al.
Veröffentlicht: (2025)

Unconstrained Robust Online Convex Optimization
von: Zhang, Jiujia, et al.
Veröffentlicht: (2025)

Analyzing Neural Network-Based Generative Diffusion Models through Convex Optimization
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

CRONOS: Enhancing Deep Learning with Scalable GPU Accelerated Convex Neural Networks
von: Feng, Miria, et al.
Veröffentlicht: (2024)

Fast and Reliable $N-k$ Contingency Screening with Input-Convex Neural Networks
von: Christianson, Nicolas, et al.
Veröffentlicht: (2024)

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

Optimal Rates for Robust Stochastic Convex Optimization
von: Gao, Changyu, et al.
Veröffentlicht: (2024)

Wasserstein Distributionally Robust Risk-Sensitive Estimation via Conditional Value-at-Risk
von: Taha, Feras Al, et al.
Veröffentlicht: (2026)

Wasserstein Distributionally Robust Regret Optimization for Reinforcement Learning from Human Feedback
von: Wang, Yikai, et al.
Veröffentlicht: (2026)

Distributed Combined Space Partitioning and Network Flow Optimization: an Optimal Transport Approach (Extended Version)
von: Laurentin, Théo, et al.
Veröffentlicht: (2025)

A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Distributed Online Convex Optimization with Nonseparable Costs and Constraints
von: Pan, Zhaoye, et al.
Veröffentlicht: (2026)

Federated Distributionally Robust Optimization with Non-Convex Objectives: Algorithm and Analysis
von: Jiao, Yang, et al.
Veröffentlicht: (2023)

Wasserstein Distributionally Robust Estimation in High Dimensions: Performance Analysis and Optimal Hyperparameter Tuning
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2022)

Flowing Datasets with Wasserstein over Wasserstein Gradient Flows
von: Bonet, Clément, et al.
Veröffentlicht: (2025)

Data-driven Reachable Set Estimation with Tunable Adversarial and Wasserstein Distributional Guarantees
von: Pantazis, Georgios, et al.
Veröffentlicht: (2026)

A Short and General Duality Proof for Wasserstein Distributionally Robust Optimization
von: Zhang, Luhao, et al.
Veröffentlicht: (2022)

Nonlinear Dynamics In Optimization Landscape of Shallow Neural Networks with Tunable Leaky ReLU
von: Liu, Jingzhou
Veröffentlicht: (2025)

Contextual Optimization under Covariate Shift: A Robust Approach by Intersecting Wasserstein Balls
von: Wang, Tianyu, et al.
Veröffentlicht: (2024)

Differentiable Convex Optimization Layers in Neural Architectures: Foundations and Perspectives
von: Katyal, Calder
Veröffentlicht: (2024)

Safety Beyond the Training Data: Robust Out-of-Distribution MPC via Conformalized System Level Synthesis
von: Srinivasan, Anutam, et al.
Veröffentlicht: (2026)