Buchumschlag

Two-norm discrepancy and convergence of the stochastic gradient method with application to shape optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dambrine, Marc, Geiersbach, Caroline, Harbrecht, Helmut
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Error analysis for stochastic gradient optimization schemes using modified equations
von: Bréhier, Charles-Edouard, et al.
Veröffentlicht: (2024)

Sample-Based Consistency in Infinite-Dimensional Conic-Constrained Stochastic Optimization
von: Geiersbach, Caroline, et al.
Veröffentlicht: (2025)

Optimization of the cut configuration for skin grafts
von: Harbrecht, Helmut, et al.
Veröffentlicht: (2025)

Nonconvex optimization and convergence of stochastic gradient descent, and solution of asynchronous game
von: Buck, Kevin, et al.
Veröffentlicht: (2025)

On the penalization by the perimeter in shape optimization applied to Dirichlet inverse obstacle problem
von: Caubet, Fabien, et al.
Veröffentlicht: (2024)

Stochastic Augmented Lagrangian Method in Riemannian Shape Manifolds
von: Geiersbach, Caroline, et al.
Veröffentlicht: (2023)

On the convergence of conditional gradient method for unbounded multiobjective optimization problems
von: Chen, Wang, et al.
Veröffentlicht: (2024)

Almost sure convergence rates of stochastic gradient methods under gradient domination
von: Weissmann, Simon, et al.
Veröffentlicht: (2024)

Risk-averse optimal control of random elliptic variational inequalities
von: Alphonse, Amal, et al.
Veröffentlicht: (2022)

A stochastic gradient method for trilevel optimization
von: Giovannelli, Tommaso, et al.
Veröffentlicht: (2025)

Efficiency of stochastic coordinate proximal gradient methods on nonseparable composite optimization
von: Necoara, I., et al.
Veröffentlicht: (2021)

On the convergence analysis of the decentralized projected gradient descent method
von: Choi, Woocheol, et al.
Veröffentlicht: (2023)

Lower and upper bounds of the convergence rate of gradient methods with composite noise in gradient
von: Vasin, Artem, et al.
Veröffentlicht: (2026)

Unregularized limit of stochastic gradient method for Wasserstein distributionally robust optimization
von: Le, Tam
Veröffentlicht: (2025)

An unfitted finite element method for PDE-constrained shape optimization via shape gradient flow
von: Gong, Wei, et al.
Veröffentlicht: (2026)

Almost sure convergence of stochastic Hamiltonian descent methods
von: Williamson, Måns, et al.
Veröffentlicht: (2024)

On the optimization of discrepancy measures
von: Clément, François, et al.
Veröffentlicht: (2025)

An inverse problem for the one-phase Stefan problem with varying melting temperature
von: Dambrine, Marc, et al.
Veröffentlicht: (2025)

On the convergence of stochastic variance reduced gradient for linear inverse problems
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Weak convergence of the stochastic proximal point method in metric spaces
von: Pischke, Nicholas
Veröffentlicht: (2026)

Learning rate adaptive stochastic gradient descent optimization methods: numerical simulations for deep learning methods for partial differential equations and convergence analyses
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

A Cournot-Nash Model for a Coupled Hydrogen and Electricity Market
von: Dvurechensky, Pavel, et al.
Veröffentlicht: (2024)

Gap-gradient methods for solving generalized mixed integer inverse optimization: an application to political gerrymandering
von: Smith, Ari J., et al.
Veröffentlicht: (2024)

About some works of Boris Polyak on convergence of gradient methods and their development
von: Ablaev, Seydamet, et al.
Veröffentlicht: (2023)

Randomized gradient-free methods in convex optimization
von: Gasnikov, Alexander, et al.
Veröffentlicht: (2022)

The stochastic Ravine accelerated gradient method with general extrapolation coefficients
von: Attouch, Hedy, et al.
Veröffentlicht: (2024)

Projected gradient methods for nonconvex and stochastic smooth optimization: new complexities and auto-conditioned stepsizes
von: Lan, Guanghui, et al.
Veröffentlicht: (2024)

Non-convergence to global minimizers for Adam and stochastic gradient descent optimization and constructions of local minimizers in the training of artificial neural networks
von: Jentzen, Arnulf, et al.
Veröffentlicht: (2024)

Riemannian conditional gradient methods for composite optimization problems
von: Chen, Kangming, et al.
Veröffentlicht: (2024)

Adaptive generalized conditional gradient method for multiobjective optimization
von: Gebrie, Anteneh Getachew, et al.
Veröffentlicht: (2024)

Duality methods in stochastic optimal control
von: Bank, Peter, et al.
Veröffentlicht: (2026)

Linearly convergent bilevel optimization with single-step inner methods
von: Suonperä, Ensio, et al.
Veröffentlicht: (2022)

Multi-cut stochastic approximation methods for solving stochastic convex composite optimization
von: Liang, Jiaming, et al.
Veröffentlicht: (2025)

Dealing with unbounded gradients in stochastic saddle-point optimization
von: Neu, Gergely, et al.
Veröffentlicht: (2024)

Mirror descent method for stochastic multi-objective optimization
von: Yang, Linxi, et al.
Veröffentlicht: (2024)

Integral control of the proximal gradient method for unbiased sparse optimization
von: Cerone, V., et al.
Veröffentlicht: (2025)

Non-asymptotic convergence analysis of the stochastic gradient Hamiltonian Monte Carlo algorithm with discontinuous stochastic gradient with applications to training of ReLU neural networks
von: Liang, Luxu, et al.
Veröffentlicht: (2024)

Conjugate gradient methods without line search for multiobjective optimization
von: Chen, Wang, et al.
Veröffentlicht: (2023)

Adaptive multi-gradient methods for quasiconvex vector optimization and applications to multi-task learning
von: Minh, Nguyen Anh, et al.
Veröffentlicht: (2024)

Local linear convergence of gradient methods for overparameterized Gaussian mixtures
von: Wang, Jingxing, et al.
Veröffentlicht: (2026)