Buchumschlag

Tighter Analysis for Decentralized Stochastic Gradient Method: Impact of Data Homogeneity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Qiang, Wai, Hoi-To
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

Stochastic Optimization Schemes for Performative Prediction with Nonconvex Loss
von: Li, Qiang, et al.
Veröffentlicht: (2024)

Decentralized Learning with Dynamically Refined Edge Weights: A Data-Dependent Framework
von: Du, Rongxing, et al.
Veröffentlicht: (2026)

Stochastic Gradient Descent with Strategic Querying
von: Jiang, Nanfei, et al.
Veröffentlicht: (2025)

Asynchronous and Stochastic Distributed Resource Allocation
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Two-timescale Derivative Free Optimization for Performative Prediction with Markovian Data
von: Liu, Haitong, et al.
Veröffentlicht: (2023)

Byzantine-Resilient Decentralized Online Resource Allocation
von: Wang, Runhua, et al.
Veröffentlicht: (2025)

A Two-timescale Primal-dual Algorithm for Decentralized Optimization with Compression
von: Liu, Haoming, et al.
Veröffentlicht: (2025)

A Stochastic Approximation Approach for Efficient Decentralized Optimization on Random Networks
von: Yau, Chung-Yiu, et al.
Veröffentlicht: (2024)

Decentralized Stochastic Optimization over Unreliable Networks via Two-timescales Updates
von: Liu, Haoming, et al.
Veröffentlicht: (2025)

Revisiting the Constant Stepsize Stochastic Approximation with Decision-Dependent Markovian Noise
von: Hadavi, Hadi, et al.
Veröffentlicht: (2026)

Compressed Decentralized Momentum Stochastic Gradient Methods for Nonconvex Optimization
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Improved Convergence for Decentralized Stochastic Optimization with Biased Gradients
von: Xu, Qing, et al.
Veröffentlicht: (2026)

Nonlinearly Preconditioned Gradient Methods: Momentum and Stochastic Analysis
von: Oikonomidis, Konstantinos, et al.
Veröffentlicht: (2025)

Clipped SGD Algorithms for Performative Prediction: Tight Bounds for Clipping Bias and Remedies
von: Li, Qiang, et al.
Veröffentlicht: (2024)

Decentralized Conjugate Gradient and Memoryless BFGS Methods
von: Wang, Liping, et al.
Veröffentlicht: (2024)

Decentralized Relaxed Smooth Optimization with Gradient Descent Methods
von: Jiang, Zhanhong, et al.
Veröffentlicht: (2025)

A Homogenization Approach for Gradient-Dominated Stochastic Optimization
von: Tan, Jiyuan, et al.
Veröffentlicht: (2023)

Convergence Analysis of Stochastic Accelerated Gradient Methods for Generalized Smooth Optimizations
von: Yu, Chenhao, et al.
Veröffentlicht: (2025)

Stochastic Constrained Decentralized Optimization for Machine Learning with Fewer Data Oracles: a Gradient Sliding Approach
von: Nguyen, Hoang Huy, et al.
Veröffentlicht: (2024)

Universal Gradient Methods for Stochastic Convex Optimization
von: Rodomanov, Anton, et al.
Veröffentlicht: (2024)

Convergence of the Iterates of the Stochastic Proximal Gradient Method
von: Madariaga, Javier I.
Veröffentlicht: (2026)

Decentralized Gradient-Free Methods for Stochastic Non-Smooth Non-Convex Optimization
von: Lin, Zhenwei, et al.
Veröffentlicht: (2023)

On the Convergence of Decentralized Stochastic Gradient-Tracking with Finite-Time Consensus
von: Fainman, Aaron, et al.
Veröffentlicht: (2025)

Decentralized Riemannian Conjugate Gradient Method on the Stiefel Manifold
von: Chen, Jun, et al.
Veröffentlicht: (2023)

An Improved Analysis of the Clipped Stochastic subGradient Method under Heavy-Tailed Noise
von: Parletta, Daniela Angela, et al.
Veröffentlicht: (2024)

Dual-Delayed Asynchronous SGD for Arbitrarily Heterogeneous Data
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

Decentralized Stochastic Gradient Descent Ascent for Finite-Sum Minimax Problems
von: Gao, Hongchang
Veröffentlicht: (2022)

A Zeroth-order Proximal Stochastic Gradient Method for Weakly Convex Stochastic Optimization
von: Pougkakiotis, Spyridon, et al.
Veröffentlicht: (2022)

Generalized Stochastic Gradient Descent with Momentum Methods for Smooth Optimization
von: Wang, Zimeng, et al.
Veröffentlicht: (2026)

A Variance-Reduced Stochastic Gradient Tracking Algorithm for Decentralized Optimization with Orthogonality Constraints
von: Wang, Lei, et al.
Veröffentlicht: (2022)

Optimal Gradient Tracking for Decentralized Optimization
von: Song, Zhuoqing, et al.
Veröffentlicht: (2021)

Beyond Stationarity: Convergence Analysis of Stochastic Softmax Policy Gradient Methods
von: Klein, Sara, et al.
Veröffentlicht: (2023)

Almost Sure Convergence Analysis of Differentially Private Stochastic Gradient Methods
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2025)

Stochastic Gradient Methods with Preconditioned Updates
von: Sadiev, Abdurakhmon, et al.
Veröffentlicht: (2022)

Hinge-Proximal Stochastic Gradient Methods for Convex Optimization with Functional Constraints
von: Rajoriya, Vaibhav, et al.
Veröffentlicht: (2025)

On the Batch Size Selection in Stochastic Gradient Methods Using No-Replacement Sampling
von: Boresta, Marco, et al.
Veröffentlicht: (2025)

Conditional Gradient Methods with Standard LMO for Stochastic Simple Bilevel Optimization
von: Giang-Tran, Khanh-Hung, et al.
Veröffentlicht: (2025)

Deterministic and Stochastic Accelerated Gradient Method for Convex Semi-Infinite Optimization
von: Yao, Yao, et al.
Veröffentlicht: (2023)

Decentralized Min-Max Optimization with Gradient Tracking
von: You, Runze, et al.
Veröffentlicht: (2025)

Contextual Quantile Minimization for Two-Stage Stochastic Programs
von: Tsang, Man Yiu, et al.
Veröffentlicht: (2025)