Buchumschlag

Convergence Analysis of Stochastic Accelerated Gradient Methods for Generalized Smooth Optimizations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Chenhao, Hong, Yusu, Lin, Junhong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On Convergence of Adam for Stochastic Optimization under Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

Revisiting Convergence of AdaGrad with Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

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

Smoothing Accelerated Proximal Gradient Method with Fast Convergence Rate for Nonsmooth Multi-objective Optimization
von: Huang, Chengzhi
Veröffentlicht: (2023)

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

Deterministic and Stochastic Accelerated Gradient Method for Convex Semi-Infinite Optimization
von: Yao, Yao, et al.
Veröffentlicht: (2023)

Point Convergence Analysis of the Accelerated Gradient Method for Multiobjective Optimization: Continuous and Discrete
von: Yin, Yingdong
Veröffentlicht: (2025)

Accelerated Gradient Methods for Geodesically Convex Optimization: Tractable Algorithms and Convergence Analysis
von: Kim, Jungbin, et al.
Veröffentlicht: (2022)

Smoothing Accelerated Proximal Gradient Method with Backtracking for Nonsmooth Multiobjective Optimization
von: Chengzhi, Huang
Veröffentlicht: (2025)

Convergence Rate Analysis for Monotone Accelerated Proximal Gradient Method
von: Wang, Zepeng, et al.
Veröffentlicht: (2025)

Dual Averaging Converges for Nonconvex Smooth Stochastic Optimization
von: Liu, Tuo, et al.
Veröffentlicht: (2025)

Faster Gradient Methods for Highly-Smooth Stochastic Bilevel Optimization
von: Chen, Lesi, et al.
Veröffentlicht: (2025)

Adam-SHANG: A Convergent Adam-Type Method for Stochastic Smooth Convex Optimization
von: Yu, Yaxin, et al.
Veröffentlicht: (2026)

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

Convergence of the Iterates of the Stochastic Proximal Gradient Method
von: Madariaga, Javier I.
Veröffentlicht: (2026)

An Accelerated Gradient Method for Convex Smooth Simple Bilevel Optimization
von: Cao, Jincheng, et al.
Veröffentlicht: (2024)

Directional Smoothness and Gradient Methods: Convergence and Adaptivity
von: Mishkin, Aaron, et al.
Veröffentlicht: (2024)

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

Accelerated Convergence of Stochastic Heavy Ball Method under Anisotropic Gradient Noise
von: Pan, Rui, et al.
Veröffentlicht: (2023)

Boosting Accelerated Proximal Gradient Method with Adaptive Sampling for Stochastic Composite Optimization
von: Zhu, Dongxuan, et al.
Veröffentlicht: (2025)

Improved Convergence for Decentralized Stochastic Optimization with Biased Gradients
von: Xu, Qing, et al.
Veröffentlicht: (2026)

Decentralized Gradient-Free Methods for Stochastic Non-Smooth Non-Convex Optimization
von: Lin, Zhenwei, et al.
Veröffentlicht: (2023)

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

Adaptive Gradient Normalization and Independent Sampling for (Stochastic) Generalized-Smooth Optimization
von: Yang, Yufeng, et al.
Veröffentlicht: (2024)

Gradient-Variation Online Adaptivity for Accelerated Optimization with Hölder Smoothness
von: Zhao, Yuheng, et al.
Veröffentlicht: (2025)

Almost Sure Convergence Analysis of Differentially Private Stochastic Gradient Methods
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2025)

Beyond Stationarity: Convergence Analysis of Stochastic Softmax Policy Gradient Methods
von: Klein, Sara, et al.
Veröffentlicht: (2023)

Stochastic Non-Smooth Convex Optimization with Unbounded Gradients
von: Kovalev, Dmitry
Veröffentlicht: (2026)

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

Point Convergence of Nesterov's Accelerated Gradient Method: An AI-Assisted Proof
von: Jang, Uijeong, et al.
Veröffentlicht: (2025)

Faster Convergence of Stochastic Accelerated Gradient Descent under Interpolation
von: Mishkin, Aaron, et al.
Veröffentlicht: (2024)

Nonlinearly Preconditioned Gradient Methods under Generalized Smoothness
von: Oikonomidis, Konstantinos, et al.
Veröffentlicht: (2025)

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

Improved Performance of Stochastic Gradients with Gaussian Smoothing
von: Starnes, Andrew, et al.
Veröffentlicht: (2023)

Accelerated Distance-adaptive Methods for Hölder Smooth and Convex Optimization
von: Ren, Yijin, et al.
Veröffentlicht: (2025)

Revisiting the Last-Iterate Convergence of Stochastic Gradient Methods
von: Liu, Zijian, et al.
Veröffentlicht: (2023)

On the Convergence and Complexity of the Stochastic Central Finite-Difference Based Gradient Estimation Methods
von: Bollapragada, Raghu, et al.
Veröffentlicht: (2025)

Using Stochastic Gradient Descent to Smooth Nonconvex Functions: Analysis of Implicit Graduated Optimization
von: Sato, Naoki, et al.
Veröffentlicht: (2023)

Optimizing $(L_0, L_1)$-Smooth Functions by Gradient Methods
von: Vankov, Daniil, et al.
Veröffentlicht: (2024)

Trust Region Methods For Nonconvex Stochastic Optimization Beyond Lipschitz Smoothness
von: Xie, Chenghan, et al.
Veröffentlicht: (2023)