Buchumschlag

Review Non-convex Optimization Method for Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fotopoulos, Greg B, Popovich, Paul, Papadopoulos, Nicholas Hall
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Evaluating the Energy Efficiency of NPU-Accelerated Machine Learning Inference on Embedded Microcontrollers
von: Fanariotis, Anastasios, et al.
Veröffentlicht: (2025)

Frugal Machine Learning for Energy-efficient, and Resource-aware Artificial Intelligence
von: Violos, John, et al.
Veröffentlicht: (2025)

A Brief Review for Compression and Transfer Learning Techniques in DeepFake Detection
von: Karathanasis, Andreas, et al.
Veröffentlicht: (2025)

Policy Gradient Methods for Non-Markovian Reinforcement Learning
von: Kar, Avik, et al.
Veröffentlicht: (2026)

A Cryptographic Perspective on Mitigation vs. Detection in Machine Learning
von: Gluch, Greg, et al.
Veröffentlicht: (2025)

Machine Learning Methods for Small Data and Upstream Bioprocessing Applications: A Comprehensive Review
von: Peng, Johnny, et al.
Veröffentlicht: (2025)

Interpretable and Explainable Machine Learning Methods for Predictive Process Monitoring: A Systematic Literature Review
von: Mehdiyev, Nijat, et al.
Veröffentlicht: (2023)

Multi Objective Design Optimization of Non Pneumatic Passenger Car Tires Using Finite Element Modeling, Machine Learning, and Particle swarm Optimization and Bayesian Optimization Algorithms
von: Dhrangdhariya, Priyankkumar, et al.
Veröffentlicht: (2026)

Stochastic Penalty-Barrier Methods for Constrained Machine Learning
von: Bosák, Adam, et al.
Veröffentlicht: (2026)

A Structured Review of Literature on Uncertainty in Machine Learning & Deep Learning
von: Fakour, Fahimeh, et al.
Veröffentlicht: (2024)

Negative Feedback System as Optimizer for Machine Learning Systems
von: Hasan, Md Munir, et al.
Veröffentlicht: (2021)

OMEGA: Optimizing Machine Learning by Evaluating Generated Algorithms
von: Nixon, Jeremy, et al.
Veröffentlicht: (2026)

Combining Machine Learning and Ontology: A Systematic Literature Review
von: Ghidalia, Sarah, et al.
Veröffentlicht: (2024)

A Review of Physics-based Machine Learning in Civil Engineering
von: Vadyala, Shashank Reddy, et al.
Veröffentlicht: (2021)

Learning Non-Vacuous Generalization Bounds from Optimization
von: Tan, Chengli, et al.
Veröffentlicht: (2022)

Scalable Optimal Transport Methods in Machine Learning: A Contemporary Survey
von: Khamis, Abdelwahed, et al.
Veröffentlicht: (2023)

Explaining Machine Learning Predictive Models through Conditional Expectation Methods
von: Ruiz-España, Silvia, et al.
Veröffentlicht: (2026)

Uncertainty Quantification in Probabilistic Machine Learning Models: Theory, Methods, and Insights
von: Ajirak, Marzieh, et al.
Veröffentlicht: (2025)

District Vitality Index Using Machine Learning Methods for Urban Planners
von: Marcoux, Sylvain, et al.
Veröffentlicht: (2025)

A Review of Safe Reinforcement Learning: Methods, Theory and Applications
von: Gu, Shangding, et al.
Veröffentlicht: (2022)

Explainable Machine Learning for ICU Readmission Prediction
von: de Sá, Alex G. C., et al.
Veröffentlicht: (2023)

A Review of Physics-Informed Machine Learning Methods with Applications to Condition Monitoring and Anomaly Detection
von: Wu, Yuandi, et al.
Veröffentlicht: (2024)

A Review of Machine Learning Techniques in Imbalanced Data and Future Trends
von: Jafarigol, Elaheh, et al.
Veröffentlicht: (2023)

Annealing Machine-assisted Learning of Graph Neural Network for Combinatorial Optimization
von: Loyola, Pablo, et al.
Veröffentlicht: (2025)

Fantastic Pretraining Optimizers and Where to Find Them
von: Wen, Kaiyue, et al.
Veröffentlicht: (2025)

Performance Optimization of Ratings-Based Reinforcement Learning
von: Rose, Evelyn, et al.
Veröffentlicht: (2025)

Exploring Machine Learning, Deep Learning, and Explainable AI Methods for Seasonal Precipitation Prediction in South America
von: Domingos, Matheus Corrêa, et al.
Veröffentlicht: (2025)

Job Shop Scheduling Benchmark: Environments and Instances for Learning and Non-learning Methods
von: Reijnen, Robbert, et al.
Veröffentlicht: (2023)

An Advantage-based Optimization Method for Reinforcement Learning in Large Action Space
von: Lin, Hai, et al.
Veröffentlicht: (2024)

Large Language Models for Constructing and Optimizing Machine Learning Workflows: A Survey
von: Gu, Yang, et al.
Veröffentlicht: (2024)

Couler: Unified Machine Learning Workflow Optimization in Cloud
von: Wang, Xiaoda, et al.
Veröffentlicht: (2024)

A Review of Deep Learning Approaches for Non-Invasive Cognitive Impairment Detection
von: Alsuhaibani, Muath, et al.
Veröffentlicht: (2024)

Default Machine Learning Hyperparameters Do Not Provide Informative Initialization for Bayesian Optimization
von: Prieto, Nicolás Villagrán, et al.
Veröffentlicht: (2026)

Evaluating Fairness and Mitigating Bias in Machine Learning: A Novel Technique using Tensor Data and Bayesian Regression
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Machine Learning Methods for Evaluating Public Crisis: Meta-Analysis
von: Okpala, Izunna, et al.
Veröffentlicht: (2023)

Causify DataFlow: A Framework For High-performance Machine Learning Stream Computing
von: Saggese, Giacinto Paolo, et al.
Veröffentlicht: (2025)

Identifying and Characterising Response in Clinical Trials: Development and Validation of a Machine Learning Approach in Colorectal Cancer
von: Marcus, Adam, et al.
Veröffentlicht: (2026)

A Historical Trajectory Assisted Optimization Method for Zeroth-Order Federated Learning
von: Wu, Chenlin, et al.
Veröffentlicht: (2024)

A Triple-Inertial Accelerated Alternating Optimization Method for Deep Learning Training
von: Yan, Chengcheng, et al.
Veröffentlicht: (2025)

Optimizing Fire Safety: Reducing False Alarms Using Advanced Machine Learning Techniques
von: Jamal, Muhammad Hassan, et al.
Veröffentlicht: (2025)