Buchumschlag

The Stochastic Conjugate Subgradient Algorithm For Kernel Support Vector Machines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Di, Sen, Suvrajeet
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 Stochastic Conjugate Subgradient Algorithm for Two-stage Stochastic Programming
von: Zhang, Di, et al.
Veröffentlicht: (2025)

A Reliability Theory of Compromise Decisions for Large-Scale Stochastic Programs
von: Diao, Shuotao, et al.
Veröffentlicht: (2024)

Faster Algorithms for Structured Linear and Kernel Support Vector Machines
von: Gu, Yuzhou, et al.
Veröffentlicht: (2023)

An Adaptive Sampling-based Progressive Hedging Algorithm for Stochastic Programming
von: Zhang, Di, et al.
Veröffentlicht: (2024)

Convergence of Decentralized Stochastic Subgradient-based Methods for Nonsmooth Nonconvex functions
von: Zhang, Siyuan, et al.
Veröffentlicht: (2024)

A Smoothing Algorithm for l1 Support Vector Machines
von: Emirahmetoglu, Ibrahim, et al.
Veröffentlicht: (2023)

Optimization meets Machine Learning: An Exact Algorithm for Semi-Supervised Support Vector Machines
von: Piccialli, Veronica, et al.
Veröffentlicht: (2023)

Multi-Task Learning Based on Support Vector Machines and Twin Support Vector Machines: A Comprehensive Survey
von: Bazikar, Fatemeh, et al.
Veröffentlicht: (2025)

Guarantees of a Preconditioned Subgradient Algorithm for Overparameterized Asymmetric Low-rank Matrix Recovery
von: Giampouras, Paris, et al.
Veröffentlicht: (2024)

Kernel-Free Universum Quadratic Surface Twin Support Vector Machines for Imbalanced Data
von: Moosaei, Hossein, et al.
Veröffentlicht: (2024)

Stochastic Subgradient Methods with Guaranteed Global Stability in Nonsmooth Nonconvex Optimization
von: Xiao, Nachuan, et al.
Veröffentlicht: (2023)

A Novel Loss Function-based Support Vector Machine for Binary Classification
von: Li, Yan, et al.
Veröffentlicht: (2024)

On the Complexity of Finding Small Subgradients in Nonsmooth Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2022)

Untangling Lariats: Subgradient Following of Variationally Penalized Objectives
von: Mo, Kai-Chia, et al.
Veröffentlicht: (2024)

Revisiting Subgradient Method: Complexity and Convergence Beyond Lipschitz Continuity
von: Li, Xiao, et al.
Veröffentlicht: (2023)

A Robust Twin Parametric Margin Support Vector Machine for Multiclass Classification
von: De Leone, Renato, et al.
Veröffentlicht: (2023)

Multi-timescale Stochastic Programming with Applications in Power Systems
von: Zhang, Yihang, et al.
Veröffentlicht: (2025)

Some Primal-Dual Theory for Subgradient Methods for Strongly Convex Optimization
von: Grimmer, Benjamin, et al.
Veröffentlicht: (2023)

A Theory of the Risk for Optimization with Relaxation and its Application to Support Vector Machines
von: Campi, Marco C., et al.
Veröffentlicht: (2020)

Fair Mixed Effects Support Vector Machine
von: Burgard, Jan Pablo, et al.
Veröffentlicht: (2024)

Gap Safe Screening Rules for Fast Training of Robust Support Vector Machines under Feature Noise
von: Nguyen, Tan-Hau, et al.
Veröffentlicht: (2026)

De-singularity Subgradient for the $q$-th-Powered $\ell_p$-Norm Weber Location Problem
von: Lai, Zhao-Rong, et al.
Veröffentlicht: (2024)

Transformers as Support Vector Machines
von: Tarzanagh, Davoud Ataee, et al.
Veröffentlicht: (2023)

Unit Commitment Predictor With a Performance Guarantee: A Support Vector Machine Classifier
von: Pourahmadi, Farzaneh, et al.
Veröffentlicht: (2023)

A Safe Screening Rule with Bi-level Optimization of $ν$ Support Vector Machine
von: Yang, Zhiji, et al.
Veröffentlicht: (2024)

Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2024)

Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming
von: Na, Sen, et al.
Veröffentlicht: (2022)

A Mathematical Optimization Approach to Multisphere Support Vector Data Description
von: Blanco, Víctor, et al.
Veröffentlicht: (2025)

High Probability Bounds for Stochastic Subgradient Schemes with Heavy Tailed Noise
von: Parletta, Daniela A., et al.
Veröffentlicht: (2022)

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

Optimal Algorithms for Stochastic Complementary Composite Minimization
von: d'Aspremont, Alexandre, et al.
Veröffentlicht: (2022)

Stochastic Smoothed Primal-Dual Algorithms for Nonconvex Optimization with Linear Inequality Constraints
von: Huang, Ruichuan, et al.
Veröffentlicht: (2025)

SOREL: A Stochastic Algorithm for Spectral Risks Minimization
von: Ge, Yuze, et al.
Veröffentlicht: (2024)

Parameter-free Algorithms for the Stochastically Extended Adversarial Model
von: Wang, Shuche, et al.
Veröffentlicht: (2025)

Convergence Rate of the Last Iterate of Stochastic Proximal Algorithms
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

The Stochastic Proximal Distance Algorithm
von: Jiang, Haoyu, et al.
Veröffentlicht: (2022)

Online Covariance Estimation in Nonsmooth Stochastic Approximation
von: Jiang, Liwei, et al.
Veröffentlicht: (2025)

A Non-Asymptotic Theory of Seminorm Lyapunov Stability: From Deterministic to Stochastic Iterative Algorithms
von: Chen, Zaiwei, et al.
Veröffentlicht: (2025)

Heaviside Low-Rank Support Matrix Machine
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)

Kernel Mean Embedding Topology: Weak and Strong Forms for Stochastic Kernels and Implications for Model Learning
von: Saldi, Naci, et al.
Veröffentlicht: (2025)