Buchumschlag

Optimization Landscapes Learned: Proxy Networks Boost Convergence in Physics-based Inverse Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Goyal, Girnar, Holl, Philipp, Agrawal, Sweta, Thuerey, Nils
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

The Unreasonable Effectiveness of Solving Inverse Problems with Neural Networks
von: Holl, Philipp, et al.
Veröffentlicht: (2024)

Inverse Optimization for Routing Problems
von: Scroccaro, Pedro Zattoni, et al.
Veröffentlicht: (2023)

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

Machine Learning for Inverse Problems and Data Assimilation
von: Bach, Eviatar, et al.
Veröffentlicht: (2024)

Sobolev Training of End-to-End Optimization Proxies
von: Rosemberg, Andrew W., et al.
Veröffentlicht: (2025)

FedCluster: Boosting the Convergence of Federated Learning via Cluster-Cycling
von: Chen, Cheng, et al.
Veröffentlicht: (2020)

Offline Reinforcement Learning via Inverse Optimization
von: Dimanidis, Ioannis, et al.
Veröffentlicht: (2025)

Sufficient Decision Proxies for Decision-Focused Learning
von: Schutte, Noah, et al.
Veröffentlicht: (2025)

Gradient Regularized Newton Boosting Trees with Global Convergence
von: Zozoulenko, Nikita, et al.
Veröffentlicht: (2026)

Offline Hierarchical Reinforcement Learning via Inverse Optimization
von: Schmidt, Carolin, et al.
Veröffentlicht: (2024)

Fast Algorithm for Constrained Linear Inverse Problems
von: Sheriff, Mohammed Rayyan, et al.
Veröffentlicht: (2022)

Learning in Inverse Optimization: Incenter Cost, Augmented Suboptimality Loss, and Algorithms
von: Scroccaro, Pedro Zattoni, et al.
Veröffentlicht: (2023)

Scalable Kernel Inverse Optimization
von: Long, Youyuan, et al.
Veröffentlicht: (2024)

Proximal-Based Generative Modeling for Bayesian Inverse Problems
von: Zhang, Boyang, et al.
Veröffentlicht: (2026)

Stability of Data-Dependent Ridge-Regularization for Inverse Problems
von: Neumayer, Sebastian, et al.
Veröffentlicht: (2024)

Accelerated Optimization Landscape of Linear-Quadratic Regulator
von: Feng, Lechen, et al.
Veröffentlicht: (2023)

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

A Generalization Result for Convergence in Learning-to-Optimize
von: Sucker, Michael, et al.
Veröffentlicht: (2024)

From Inverse Optimization to Feasibility to ERM
von: Mishra, Saurabh, et al.
Veröffentlicht: (2024)

Open Problem: Anytime Convergence Rate of Gradient Descent
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

Improved Convergence Rates of Muon Optimizer for Nonconvex Optimization
von: Nagashima, Shuntaro, et al.
Veröffentlicht: (2026)

Optimality-Informed Neural Networks for Solving Parametric Optimization Problems
von: Hoffmann, Matthias K., et al.
Veröffentlicht: (2025)

Linearly Convergent Algorithms for Nonsmooth Problems with Unknown Smooth Pieces
von: Zhang, Zhe, et al.
Veröffentlicht: (2025)

Tight Generalization Bounds for Noiseless Inverse Optimization
von: Fatemi, Pouria, et al.
Veröffentlicht: (2026)

Convergence of Implicit Gradient Descent for Training Two-Layer Physics-Informed Neural Networks
von: Xu, Xianliang, et al.
Veröffentlicht: (2024)

Regularized Gauss-Newton for Optimizing Overparameterized Neural Networks
von: Adeoye, Adeyemi D., et al.
Veröffentlicht: (2024)

Surrogate-based Optimization via Clustering for Box-Constrained Problems
von: Ahmad, Maaz, et al.
Veröffentlicht: (2026)

Convergence of Distributed Adaptive Optimization with Local Updates
von: Cheng, Ziheng, et al.
Veröffentlicht: (2024)

Convergence of Spectral Descent for Non-smooth Optimization
von: Yang, Yixuan, et al.
Veröffentlicht: (2026)

On the Convergence of Adaptive Gradient Methods for Nonconvex Optimization
von: Zhou, Dongruo, et al.
Veröffentlicht: (2018)

Projective Proximal Gradient Descent for A Class of Nonconvex Nonsmooth Optimization Problems: Fast Convergence Without Kurdyka-Lojasiewicz (KL) Property
von: Yang, Yingzhen, et al.
Veröffentlicht: (2023)

On the Convergence of Overparameterized Problems: Inherent Properties of the Compositional Structure of Neural Networks
von: de Oliveira, Arthur Castello Branco, et al.
Veröffentlicht: (2025)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

Simultaneous Learning and Optimization via Misspecified Saddle Point Problems
von: Ahmadi, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

Convergence Error Analysis of Reflected Gradient Langevin Dynamics for Globally Optimizing Non-Convex Constrained Problems
von: Sato, Kanji, et al.
Veröffentlicht: (2022)

Learning Regularization Functionals for Inverse Problems: A Comparative Study
von: Hertrich, Johannes, et al.
Veröffentlicht: (2025)

Convergence Analysis of the Lion Optimizer in Centralized and Distributed Settings
von: Jiang, Wei, et al.
Veröffentlicht: (2025)

Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization
von: Kotary, James, et al.
Veröffentlicht: (2023)

Adam-family Methods for Nonsmooth Optimization with Convergence Guarantees
von: Xiao, Nachuan, et al.
Veröffentlicht: (2023)

Stochastic Compositional Minimax Optimization with Provable Convergence Guarantees
von: Deng, Yuyang, et al.
Veröffentlicht: (2024)