Buchumschlag

Riemannian Optimization for Non-convex Euclidean Distance Geometry with Global Recovery Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Smith, Chandler, Cai, HanQin, Tasissa, Abiy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Provable Non-Convex Euclidean Distance Matrix Completion: Geometry, Reconstruction, and Robustness
von: Smith, Chandler, et al.
Veröffentlicht: (2025)

Structured Sampling for Robust Euclidean Distance Geometry
von: Kundu, Chandra, et al.
Veröffentlicht: (2024)

A Dual Basis Approach for Structured Robust Euclidean Distance Geometry
von: Kundu, Chandra, et al.
Veröffentlicht: (2025)

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

RACH-Space: Reconstructing Adaptive Convex Hull Space with Applications in Weak Supervision
von: Na, Woojoo, et al.
Veröffentlicht: (2023)

Sample-Efficient Geometry Reconstruction from Euclidean Distances using Non-Convex Optimization
von: Ghosh, Ipsita, et al.
Veröffentlicht: (2024)

Locality Regularized Reconstruction: Structured Sparsity and Delaunay Triangulations
von: Mueller, Marshall, et al.
Veröffentlicht: (2024)

Weighed l1 on the simplex: Compressive sensing meets locality
von: Tasissa, Abiy, et al.
Veröffentlicht: (2021)

Recovering Wasserstein Distance Matrices from Few Measurements
von: Rana, Muhammad, et al.
Veröffentlicht: (2025)

K-Deep Simplex: Deep Manifold Learning via Local Dictionaries
von: Tankala, Pranay, et al.
Veröffentlicht: (2020)

Non-Euclidean Broximal Point Method: A Blueprint for Geometry-Aware Optimization
von: Gruntkowska, Kaja, et al.
Veröffentlicht: (2025)

On the Robustness of Cross-Concentrated Sampling for Matrix Completion
von: Cai, HanQin, et al.
Veröffentlicht: (2024)

Convergence Guarantees for RMSProp and Adam in Generalized-smooth Non-convex Optimization with Affine Noise Variance
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Robust Node Localization for Rough and Extreme Deployment Environments
von: Tasissa, Abiy, et al.
Veröffentlicht: (2025)

Convergence and Complexity Guarantee for Inexact First-order Riemannian Optimization Algorithms
von: Li, Yuchen, et al.
Veröffentlicht: (2024)

Online Non-convex Optimization with Long-term Non-convex Constraints
von: Pan, Shijie, et al.
Veröffentlicht: (2023)

Sharp Global Guarantees for Nonconvex Low-rank Recovery in the Noisy Overparameterized Regime
von: Zhang, Richard Y.
Veröffentlicht: (2021)

Optimal Stochastic Non-smooth Non-convex Optimization through Online-to-Non-convex Conversion
von: Cutkosky, Ashok, et al.
Veröffentlicht: (2023)

Random Scaling and Momentum for Non-smooth Non-convex Optimization
von: Zhang, Qinzi, et al.
Veröffentlicht: (2024)

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

Guaranteed Nonconvex Factorization Approach for Tensor Train Recovery
von: Qin, Zhen, et al.
Veröffentlicht: (2024)

Non-convex Stochastic Composite Optimization with Polyak Momentum
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Decentralized Non-convex Stochastic Optimization with Heterogeneous Variance
von: Chen, Hongxu, et al.
Veröffentlicht: (2026)

Non-Euclidean SGD for Structured Optimization: Unified Analysis and Improved Rates
von: Kovalev, Dmitry, et al.
Veröffentlicht: (2025)

A Framework for Bilevel Optimization on Riemannian Manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Retraction-Free Decentralized Non-convex Optimization with Orthogonal Constraints
von: Sun, Youbang, et al.
Veröffentlicht: (2024)

A Stochastic Quasi-Newton Method for Non-convex Optimization with Non-uniform Smoothness
von: Sun, Zhenyu, et al.
Veröffentlicht: (2024)

Learning to Optimize for Mixed-Integer Non-linear Programming with Feasibility Guarantees
von: Tang, Bo, et al.
Veröffentlicht: (2024)

A Regularized Newton Method for Nonconvex Optimization with Global and Local Complexity Guarantees
von: Zhou, Yuhao, et al.
Veröffentlicht: (2025)

Riemannian Dueling Optimization
von: Ren, Yuxuan, et al.
Veröffentlicht: (2026)

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

Efficient Optimization with Orthogonality Constraint: a Randomized Riemannian Submanifold Method
von: Han, Andi, et al.
Veröffentlicht: (2025)

Optimization over Sparse Support-Preserving Sets: Two-Step Projection with Global Optimality Guarantees
von: de Vazelhes, William, et al.
Veröffentlicht: (2025)

Non-Euclidean Gradient Descent Operates at the Edge of Stability
von: Islamov, Rustem, et al.
Veröffentlicht: (2026)

Non-geodesically-convex optimization in the Wasserstein space
von: Luu, Hoang Phuc Hau, et al.
Veröffentlicht: (2024)

Landing with the Score: Riemannian Optimization through Denoising
von: Kharitenko, Andrey, et al.
Veröffentlicht: (2025)

Complexity Lower Bounds of Adaptive Gradient Algorithms for Non-convex Stochastic Optimization under Relaxed Smoothness
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

Sharper Guarantees for Misspecified Kernelized Bandit Optimization
von: Maran, Davide, et al.
Veröffentlicht: (2026)

Towards Robust Learning to Optimize with Theoretical Guarantees
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Non-Euclidean High-Order Smooth Convex Optimization
von: Contreras, Juan Pablo, et al.
Veröffentlicht: (2024)