Buchumschlag

Optimizing $(L_0, L_1)$-Smooth Functions by Gradient Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vankov, Daniil, Rodomanov, Anton, Nedich, Angelia, Sankar, Lalitha, Stich, Sebastian U.
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

Adaptive Methods for Variational Inequalities under Relaxed Smoothness Assumption
von: Vankov, Daniil, et al.
Veröffentlicht: (2024)

Generalized Smooth Stochastic Variational Inequalities: Almost Sure Convergence and Convergence Rates
von: Vankov, Daniil, et al.
Veröffentlicht: (2024)

Last Iterate Convergence of Popov Method for Non-monotone Stochastic Variational Inequalities
von: Vankov, Daniil, et al.
Veröffentlicht: (2023)

DADA: Dual Averaging with Distance Adaptation
von: Moshtaghifar, Mohammad, et al.
Veröffentlicht: (2025)

Stabilized Proximal-Point Methods for Federated Optimization
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2024)

Efficient Gradient Methods for Distributed Saddle Problems
von: Luo, Ruichen, et al.
Veröffentlicht: (2026)

Federated Optimization with Doubly Regularized Drift Correction
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2024)

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

Non-Convex Federated Optimization under Cost-Aware Client Selection
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2025)

Universality of AdaGrad Stepsizes for Stochastic Optimization: Inexact Oracle, Acceleration and Variance Reduction
von: Rodomanov, Anton, et al.
Veröffentlicht: (2024)

A Certificate of Unboundedness for Polynomial Optimization Problems
von: Rele, Rohan, et al.
Veröffentlicht: (2026)

Accelerated Distributed Optimization with Compression and Error Feedback
von: Gao, Yuan, et al.
Veröffentlicht: (2025)

Exploiting Similarity for Computation and Communication-Efficient Decentralized Optimization
von: Takezawa, Yuki, et al.
Veröffentlicht: (2025)

Composite Optimization with Error Feedback: the Dual Averaging Approach
von: Gao, Yuan, et al.
Veröffentlicht: (2025)

Non-Monotone Variational Inequalities
von: Arefizadeh, Sina, et al.
Veröffentlicht: (2024)

Random minibatch subgradient algorithms for convex problems with functional constraints
von: Nedich, Angelia, et al.
Veröffentlicht: (2019)

Fast Distributed Nash Equilibrium Seeking in Monotone Games
von: Tatarenko, Tatiana, et al.
Veröffentlicht: (2025)

Spectral Preconditioning for Gradient Methods on Graded Non-convex Functions
von: Doikov, Nikita, et al.
Veröffentlicht: (2024)

On Convergence of Incremental Gradient for Non-Convex Smooth Functions
von: Koloskova, Anastasia, et al.
Veröffentlicht: (2023)

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

Global Complexity Analysis of BFGS
von: Rodomanov, Anton
Veröffentlicht: (2024)

On Characterizations of Potential and Ordinal Potential Games
von: Arefizadeh, Sina, et al.
Veröffentlicht: (2024)

On existence of solutions to non-convex minimization problems
von: Rele, Rohan, et al.
Veröffentlicht: (2024)

Tailoring Gradient Methods for Differentially-Private Distributed Optimization
von: Wang, Yongqiang, et al.
Veröffentlicht: (2022)

Decentralized Federated Learning with Gradient Tracking over Time-Varying Directed Networks
von: Nguyen, Duong Thuy Anh, et al.
Veröffentlicht: (2024)

Communication-Efficient Gradient Descent-Accent Methods for Distributed Variational Inequalities: Unified Analysis and Local Updates
von: Zhang, Siqi, et al.
Veröffentlicht: (2023)

Linear Convergence Rate in Convex Setup is Possible! Gradient Descent Method Variants under $(L_0,L_1)$-Smoothness
von: Lobanov, Aleksandr, et al.
Veröffentlicht: (2024)

Near-Optimal Convergence of Accelerated Gradient Methods under Generalized and $(L_0, L_1)$-Smoothness
von: Tyurin, Alexander
Veröffentlicht: (2025)

Convergence of Clipped SGD on Convex $(L_0,L_1)$-Smooth Functions
von: Gaash, Ofir, et al.
Veröffentlicht: (2025)

Methods for Convex $(L_0,L_1)$-Smooth Optimization: Clipping, Acceleration, and Adaptivity
von: Gorbunov, Eduard, et al.
Veröffentlicht: (2024)

Distributed Normal Map-based Stochastic Proximal Gradient Methods over Networks
von: Huang, Kun, et al.
Veröffentlicht: (2024)

Scalable Decentralized Learning with Teleportation
von: Takezawa, Yuki, et al.
Veröffentlicht: (2025)

Randomized Feasibility Methods for Constrained Optimization with Adaptive Step Sizes
von: Chakraborty, Abhishek, et al.
Veröffentlicht: (2026)

Adaptive Accelerated Gradient Method for Smooth Convex Optimization
von: Wang, Zepeng, et al.
Veröffentlicht: (2025)

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

Popov Mirror-Prox Method for Variational Inequalities
von: Chakraborty, Abhishek, et al.
Veröffentlicht: (2025)

Towards Faster Decentralized Stochastic Optimization with Communication Compression
von: Islamov, Rustem, et al.
Veröffentlicht: (2024)

FedMuon: Federated Learning with Bias-corrected LMO-based Optimization
von: Takezawa, Yuki, et al.
Veröffentlicht: (2025)

Inexactly Smooth Performance Estimation and New Optimized Gradient Methods
von: Zoll, Aaron, et al.
Veröffentlicht: (2026)

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