Buchumschlag

Active Learning of Deep Neural Networks via Gradient-Free Cutting Planes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Erica, Zhang, Fangzhao, Pilanci, Mert
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

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

Riemannian Preconditioned LoRA for Fine-Tuning Foundation Models
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

Optimizer-Induced Mode Connectivity: From AdamW to Muon
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2026)

Newton Meets Marchenko-Pastur: Massively Parallel Second-Order Optimization with Hessian Sketching and Debiasing
von: Romanov, Elad, et al.
Veröffentlicht: (2024)

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

Optimal Shrinkage for Distributed Second-Order Optimization
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

From Complexity to Clarity: Analytical Expressions of Deep Neural Network Weights via Clifford's Geometric Algebra and Convexity
von: Pilanci, Mert
Veröffentlicht: (2023)

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

A Recovery Guarantee for Sparse Neural Networks
von: Fridovich-Keil, Sara, et al.
Veröffentlicht: (2025)

Faster Convergence of Stochastic Accelerated Gradient Descent under Interpolation
von: Mishkin, Aaron, et al.
Veröffentlicht: (2024)

Adversarial Training of Two-Layer Polynomial and ReLU Activation Networks via Convex Optimization
von: Kuelbs, Daniel, et al.
Veröffentlicht: (2024)

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

Scalable Neural Network Verification with Branch-and-bound Inferred Cutting Planes
von: Zhou, Duo, et al.
Veröffentlicht: (2024)

ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring
von: Ansari, Rayan, et al.
Veröffentlicht: (2024)

Accelerating Cutting-Plane Algorithms via Reinforcement Learning Surrogates
von: Mana, Kyle, et al.
Veröffentlicht: (2023)

Spectral Adapter: Fine-Tuning in Spectral Space
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2024)

Learn2Aggregate: Supervised Generation of Chvátal-Gomory Cuts Using Graph Neural Networks
von: Deza, Arnaud, et al.
Veröffentlicht: (2024)

A Library of Mirrors: Deep Neural Nets in Low Dimensions are Convex Lasso Models with Reflection Features
von: Zeger, Emi, et al.
Veröffentlicht: (2024)

Regularized Gradient Clipping Provably Trains Wide and Deep Neural Networks
von: Tucat, Matteo, et al.
Veröffentlicht: (2024)

Solving Max-Cut to Global Optimality via Feasibility-Preserving Graph Neural Networks
von: Chen, Hao, et al.
Veröffentlicht: (2026)

RESIST: Resilient Decentralized Learning Using Consensus Gradient Descent
von: Fang, Cheng, et al.
Veröffentlicht: (2025)

Compressing Large Language Models using Low Rank and Low Precision Decomposition
von: Saha, Rajarshi, et al.
Veröffentlicht: (2024)

Accelerated Gradient Methods with Biased Gradient Estimates: Risk Sensitivity, High-Probability Guarantees, and Large Deviation Bounds
von: Gürbüzbalaban, Mert, et al.
Veröffentlicht: (2025)

Model-Free Output Feedback Stabilization via Policy Gradient Methods
von: Zhang, Ankang, et al.
Veröffentlicht: (2026)

Adaptive Moment Estimation Optimization Algorithm Using Projection Gradient for Deep Learning
von: Li, Yongqi, et al.
Veröffentlicht: (2025)

SGD with Partial Hessian for Deep Neural Networks Optimization
von: Sun, Ying, et al.
Veröffentlicht: (2024)

Tuning-Free Structured Sparse PCA via Deep Unfolding Networks
von: Chen, Long, et al.
Veröffentlicht: (2025)

Sample Complexity of Algorithm Selection Using Neural Networks and Its Applications to Branch-and-Cut
von: Cheng, Hongyu, et al.
Veröffentlicht: (2024)

Solving Inverse Problems with Deep Linear Neural Networks: Global Convergence Guarantees for Gradient Descent with Weight Decay
von: Laus, Hannah, et al.
Veröffentlicht: (2025)

Convergence Analysis for Learning Orthonormal Deep Linear Neural Networks
von: Qin, Zhen, et al.
Veröffentlicht: (2023)

Understanding Gradient Orthogonalization for Deep Learning via Non-Euclidean Trust-Region Optimization
von: Kovalev, Dmitry
Veröffentlicht: (2025)

Implicit Bias of Gradient Descent for Non-Homogeneous Deep Networks
von: Cai, Yuhang, et al.
Veröffentlicht: (2025)

Sample-Free Safety Assessment of Neural Network Controllers via Taylor Methods
von: Evans, Adam, et al.
Veröffentlicht: (2026)

Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers
von: Tzikas, Alexandros E., et al.
Veröffentlicht: (2024)

Convergence of Gradient Descent for Recurrent Neural Networks: A Nonasymptotic Analysis
von: Cayci, Semih, et al.
Veröffentlicht: (2024)

An Improved Finite-time Analysis of Temporal Difference Learning with Deep Neural Networks
von: Ke, Zhifa, et al.
Veröffentlicht: (2024)

Solving Large Multicommodity Network Flow Problems on GPUs
von: Zhang, Fangzhao, et al.
Veröffentlicht: (2025)

Interpreting Adaptive Gradient Methods by Parameter Scaling for Learning-Rate-Free Optimization
von: Suh, Min-Kook, et al.
Veröffentlicht: (2024)

Federated Learning on Riemannian Manifolds: A Gradient-Free Projection-Based Approach
von: Wang, Hongye, et al.
Veröffentlicht: (2025)

Universal Approximation Power of Deep Residual Neural Networks via Nonlinear Control Theory
von: Tabuada, Paulo, et al.
Veröffentlicht: (2020)