Buchumschlag

A Similarity Measure Between Functions with Applications to Statistical Learning and Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Chengpiao, Wang, Kaizheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Stability Principle for Learning under Non-Stationarity
von: Huang, Chengpiao, et al.
Veröffentlicht: (2023)

A Minimalist Bayesian Framework for Stochastic Optimization
von: Wang, Kaizheng
Veröffentlicht: (2025)

MINTS: Minimalist Thompson Sampling
von: Wang, Kaizheng
Veröffentlicht: (2026)

Localized exploration in contextual dynamic pricing achieves dimension-free regret
von: Chai, Jinhang, et al.
Veröffentlicht: (2024)

Improving the Worst-Case Bidirectional Communication Complexity for Nonconvex Distributed Optimization under Function Similarity
von: Gruntkowska, Kaja, et al.
Veröffentlicht: (2024)

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

BOOOM: Loss-Function-Agnostic Black-Box Optimization over Orthonormal Manifolds for Machine Learning and Statistical Inference
von: Kim, Beomchang, et al.
Veröffentlicht: (2026)

Near-Optimal Distributed Minimax Optimization under the Second-Order Similarity
von: Zhou, Qihao, et al.
Veröffentlicht: (2024)

From Inexact Gradients to Byzantine Robustness: Acceleration and Optimization under Similarity
von: Gaucher, Renaud, et al.
Veröffentlicht: (2026)

Bayesian Optimization with Structured Measurements: A Vector-Valued RKHS Framework
von: Wang, Wenbin, et al.
Veröffentlicht: (2026)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)

OptiBench Meets ReSocratic: Measure and Improve LLMs for Optimization Modeling
von: Yang, Zhicheng, et al.
Veröffentlicht: (2024)

A Two-Time-Scale Stochastic Optimization Framework with Applications in Control and Reinforcement Learning
von: Zeng, Sihan, et al.
Veröffentlicht: (2021)

The Surprising Agreement Between Convex Optimization Theory and Learning-Rate Scheduling for Large Model Training
von: Schaipp, Fabian, et al.
Veröffentlicht: (2025)

Learning to Handle Parameter Perturbations in Combinatorial Optimization: an Application to Facility Location
von: Lodi, Andrea, et al.
Veröffentlicht: (2019)

LDAdam: Adaptive Optimization from Low-Dimensional Gradient Statistics
von: Robert, Thomas, et al.
Veröffentlicht: (2024)

Multi-Objective Optimization-Based Anonymization of Structured Data for Machine Learning Application
von: Wei, Yusi, et al.
Veröffentlicht: (2025)

Accelerated Methods with Complexity Separation Under Data Similarity for Federated Learning Problems
von: Bylinkin, Dmitry, et al.
Veröffentlicht: (2026)

Biased Stochastic First-Order Methods for Conditional Stochastic Optimization and Applications in Meta Learning
von: Hu, Yifan, et al.
Veröffentlicht: (2020)

Aiding Global Convergence in Federated Learning via Local Perturbation and Mutual Similarity Information
von: Buttaci, Emanuel, et al.
Veröffentlicht: (2024)

Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming
von: Na, Sen, et al.
Veröffentlicht: (2022)

Enhancing Stochastic Optimization for Statistical Efficiency Using ROOT-SGD with Diminishing Stepsize
von: Li, Chris Junchi
Veröffentlicht: (2024)

Q-Measure-Learning for Continuous State RL: Efficient Implementation and Convergence
von: Wang, Shengbo
Veröffentlicht: (2026)

Stochastic Approximation Methods for Distortion Risk Measure Optimization
von: Jiang, Jinyang, et al.
Veröffentlicht: (2025)

A Mean-Field Analysis of Neural Stochastic Gradient Descent-Ascent for Functional Minimax Optimization
von: Zhu, Yuchen, et al.
Veröffentlicht: (2024)

Deterministic Global Optimization of the Acquisition Function in Bayesian Optimization: To Do or Not To Do?
von: Georgiou, Anastasia, et al.
Veröffentlicht: (2025)

From Learning to Optimize to Learning Optimization Algorithms
von: Castera, Camille, et al.
Veröffentlicht: (2024)

Subspace Optimization for Efficient Federated Learning under Heterogeneous Data
von: Zhu, Shuchen, et al.
Veröffentlicht: (2026)

A Convex Loss Function for Set Prediction with Optimal Trade-offs Between Size and Conditional Coverage
von: Bach, Francis
Veröffentlicht: (2025)

Inexact Moreau Envelope Lagrangian Method for Non-Convex Constrained Optimization under Local Error Bound Conditions on Constraint Functions
von: Huang, Yankun, et al.
Veröffentlicht: (2025)

Bayesian Optimization of Function Networks with Partial Evaluations
von: Buathong, Poompol, et al.
Veröffentlicht: (2023)

Accelerated Stochastic ExtraGradient: Mixing Hessian and Gradient Similarity to Reduce Communication in Distributed and Federated Learning
von: Bylinkin, Dmitry, et al.
Veröffentlicht: (2024)

Machine Learning-Augmented Optimization of Large Bilevel and Two-stage Stochastic Programs: Application to Cycling Network Design
von: Chan, Timothy C. Y., et al.
Veröffentlicht: (2022)

Inertial Quadratic Majorization Minimization with Application to Kernel Regularized Learning
von: Heng, Qiang, et al.
Veröffentlicht: (2025)

No-Regret Gaussian Process Optimization of Time-Varying Functions
von: Mauduit, Eliabelle, et al.
Veröffentlicht: (2025)

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

Distribution-Free Predictive Inference under Unknown Temporal Drift
von: Han, Elise, et al.
Veröffentlicht: (2024)

A Theory of the Risk for Optimization with Relaxation and its Application to Support Vector Machines
von: Campi, Marco C., et al.
Veröffentlicht: (2020)

Adaptive Federated Minimax Optimization with Lower Complexities
von: Huang, Feihu, et al.
Veröffentlicht: (2022)

Global Optimization: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)