Buchumschlag

Convergence of a particle method for gradient flows on the $L^p$-Wasserstein space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lei, Rong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dual gradient flow for solving linear ill-posed problems in Banach spaces
von: Jin, Qinian, et al.
Veröffentlicht: (2022)

An unfitted finite element method for PDE-constrained shape optimization via shape gradient flow
von: Gong, Wei, et al.
Veröffentlicht: (2026)

Limited memory gradient methods for unconstrained optimization
von: Ferrandi, Giulia, et al.
Veröffentlicht: (2023)

On projection mappings and the gradient projection method on hyperbolic space forms
von: Bergmann, Ronny, et al.
Veröffentlicht: (2025)

A boosted second-order convex splitting algorithm based on gradient flows
von: Shen, Xinhua, et al.
Veröffentlicht: (2024)

How to induce regularization in linear models: A guide to reparametrizing gradient flow
von: Chou, Hung-Hsu, et al.
Veröffentlicht: (2023)

An accelerated gradient method with adaptive restart for convex multiobjective optimization problems
von: Luo, Hao, et al.
Veröffentlicht: (2025)

Convergence analysis of a stochastic heavy-ball method for linear ill-posed problems
von: Jin, Qinian, et al.
Veröffentlicht: (2024)

A perturbed preconditioned gradient descent method for the unconstrained minimization of composite objectives
von: Park, Jea-Hyun, et al.
Veröffentlicht: (2025)

Stochastic variance reduced gradient method for linear ill-posed inverse problems
von: Jin, Qinian, et al.
Veröffentlicht: (2024)

Convergence analysis of multi-step one-shot methods for linear inverse problems
von: Bonazzoli, Marcella, et al.
Veröffentlicht: (2022)

Fully discretized Sobolev gradient flow for the Gross-Pitaevskii eigenvalue problem
von: Chen, Ziang, et al.
Veröffentlicht: (2024)

A Derivative-Free Saddle-search Algorithm With Linear Convergence Rate
von: Du, Qiang, et al.
Veröffentlicht: (2026)

Numerical analysis of a first-order computational algorithm for reaction-diffusion equations via the primal-dual hybrid gradient method
von: Liu, Shu, et al.
Veröffentlicht: (2024)

A Primal-dual hybrid gradient method for solving optimal control problems and the corresponding Hamilton-Jacobi PDEs
von: Meng, Tingwei, et al.
Veröffentlicht: (2024)

Optimal local linear convergence of Nesterov's accelerated gradient method for $C^2$ functions under the Polyak--Łojasiewicz inequality
von: Feng, Zixu, et al.
Veröffentlicht: (2026)

An augmented Lagrangian trust-region method with inexact gradient evaluations to accelerate constrained optimization problems using model hyperreduction
von: Wen, Tianshu, et al.
Veröffentlicht: (2024)

On the variational dual formulation of the Nash system and an adaptive convex gradient-flow approach to nonlinear PDEs
von: Vorotnikov, Dmitry, et al.
Veröffentlicht: (2025)

Tensor train based sampling algorithms for approximating regularized Wasserstein proximal operators
von: Han, Fuqun, et al.
Veröffentlicht: (2024)

A 5D concept for space-time optimal control problems with application to simplified Carreau flow
von: Beuchler, S., et al.
Veröffentlicht: (2025)

Numerical Analysis on Neural Network Projected Schemes for Approximating One Dimensional Wasserstein Gradient Flows
von: Zuo, Xinzhe, et al.
Veröffentlicht: (2024)

Stochastic gradient with least-squares control variates
von: Nobile, Fabio, et al.
Veröffentlicht: (2025)

A space-time high-order implicit shock tracking method for shock-dominated unsteady flows
von: Naudet, Charles J., et al.
Veröffentlicht: (2023)

Convergence of two-timescale gradient descent ascent dynamics: finite-dimensional and mean-field perspectives
von: An, Jing, et al.
Veröffentlicht: (2025)

Wasserstein Gradient Flows of the Discrepancy with Distance Kernel on the Line
von: Hertrich, Johannes, et al.
Veröffentlicht: (2023)

Wasserstein Steepest Descent Flows of Discrepancies with Riesz Kernels
von: Hertrich, Johannes, et al.
Veröffentlicht: (2022)

Neural incomplete factorization: learning preconditioners for the conjugate gradient method
von: Häusner, Paul, et al.
Veröffentlicht: (2023)

On the convergence of stochastic variance reduced gradient for linear inverse problems
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Multidimensional extrapolated global proximal gradient and applications for image processing
von: Bentbib, Abdeslem Hafid, et al.
Veröffentlicht: (2024)

Numerical computation of generalized Wasserstein distances with applications to traffic model analysis
von: Briani, Maya, et al.
Veröffentlicht: (2024)

Convergent Proximal Multiblock ADMM for Nonconvex Dynamics-Constrained Optimization
von: Li, Bowen, et al.
Veröffentlicht: (2025)

Tight Convergence Rates in Gradient Mapping for the Difference-of-Convex Algorithm
von: Rotaru, Teodor, et al.
Veröffentlicht: (2025)

An Abstract Lyapunov Control Optimizer: Local Stabilization and Global Convergence
von: Bensaid, Bilel, et al.
Veröffentlicht: (2024)

Non-Euclidean dual gradient ascent for entropically regularized linear and semidefinite programming
von: Cai, Yuhang, et al.
Veröffentlicht: (2025)

Convergence of a steepest descent algorithm in shape optimisation using $W^{1,\infty}$ functions
von: Deckelnick, Klaus, et al.
Veröffentlicht: (2023)

Convergence of differentiable non-monotone schemes for fully nonlinear parabolic equations
von: Nakano, Yumiharu
Veröffentlicht: (2018)

Convergence analysis of Lie and Strang splitting for operator-valued differential Riccati equations
von: Hansen, Eskil, et al.
Veröffentlicht: (2025)

Global Convergence of High-Order Regularization Methods with Sums-of-Squares Taylor Models
von: Zhu, Wenqi, et al.
Veröffentlicht: (2024)

Affine-Invariant Global Non-Asymptotic Convergence Analysis of BFGS under Self-Concordance
von: Jin, Qiujiang, et al.
Veröffentlicht: (2025)

The Essential Best and Average Rate of Convergence of the Exact Line Search Gradient Descent Method
von: Yu, Thomas
Veröffentlicht: (2023)