Buchumschlag

A Fenchel-Young Loss Approach to Data-Driven Inverse Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhehao, Wu, Yanchen, Chen, Jian, Mao, Xiaojie
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

A Best-of-Both-Worlds Proof for Tsallis-INF without Fenchel Conjugates
von: Lee, Wei-Cheng, et al.
Veröffentlicht: (2025)

Robust Least-Squares Optimization for Data-Driven Predictive Control: A Geometric Approach
von: Bharadwaj, Shreyas, et al.
Veröffentlicht: (2025)

Learning Surrogate Potential Mean Field Games via Gaussian Processes: A Data-Driven Approach to Ill-Posed Inverse Problems
von: Zhang, Jingguo, et al.
Veröffentlicht: (2025)

Diffusion Model for Data-Driven Black-Box Optimization
von: Li, Zihao, et al.
Veröffentlicht: (2024)

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

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

Optimizer's Information Criterion: Dissecting and Correcting Bias in Data-Driven Optimization
von: Iyengar, Garud, et al.
Veröffentlicht: (2023)

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

A Geometric Approach to Problems in Optimization and Data Science
von: Manoj, Naren Sarayu
Veröffentlicht: (2025)

Data-Driven Performance Guarantees for Classical and Learned Optimizers
von: Sambharya, Rajiv, et al.
Veröffentlicht: (2024)

On Generalization and Regularization via Wasserstein Distributionally Robust Optimization
von: Wu, Qinyu, et al.
Veröffentlicht: (2022)

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

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

A Mathematical Optimization Approach to Multisphere Support Vector Data Description
von: Blanco, Víctor, et al.
Veröffentlicht: (2025)

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

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

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

Stochastic Constrained Decentralized Optimization for Machine Learning with Fewer Data Oracles: a Gradient Sliding Approach
von: Nguyen, Hoang Huy, et al.
Veröffentlicht: (2024)

LEARN: An Invex Loss for Outlier Oblivious Robust Online Optimization
von: Barik, Adarsh, et al.
Veröffentlicht: (2024)

Data-Driven Influence Functions for Optimization-Based Causal Inference
von: Jordan, Michael I., et al.
Veröffentlicht: (2022)

Smart Surrogate Losses for Contextual Stochastic Linear Optimization with Robust Constraints
von: Im, Hyungki, et al.
Veröffentlicht: (2025)

Data-Driven Adversarial Online Control for Unknown Linear Systems
von: Liu, Zishun, et al.
Veröffentlicht: (2023)

Optimization Landscapes Learned: Proxy Networks Boost Convergence in Physics-based Inverse Problems
von: Goyal, Girnar, et al.
Veröffentlicht: (2025)

Fenchel-Young Estimators of Perturbed Utility Models
von: Lin, Xi, et al.
Veröffentlicht: (2026)

Contextual Optimization under Covariate Shift: A Robust Approach by Intersecting Wasserstein Balls
von: Wang, Tianyu, et al.
Veröffentlicht: (2024)

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

Dynamic Regret via Discounted-to-Dynamic Reduction with Applications to Curved Losses and Adam Optimizer
von: Xie, Yan-Feng, et al.
Veröffentlicht: (2026)

A Primal-Dual-Assisted Penalty Approach to Bilevel Optimization with Coupled Constraints
von: Jiang, Liuyuan, et al.
Veröffentlicht: (2024)

The Data-Driven Censored Newsvendor Problem
von: Hssaine, Chamsi, et al.
Veröffentlicht: (2024)

A Split-Client Approach to Second-Order Optimization
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning: A Convex Optimization Approach
von: Gattami, Ather
Veröffentlicht: (2024)

A Retrospective Approximation Approach for Smooth Stochastic Optimization
von: Newton, David, et al.
Veröffentlicht: (2021)

A Homogenization Approach for Gradient-Dominated Stochastic Optimization
von: Tan, Jiyuan, et al.
Veröffentlicht: (2023)

Application-Driven Learning: A Closed-Loop Prediction and Optimization Approach Applied to Dynamic Reserves and Demand Forecasting
von: Garcia, Joaquim Dias, et al.
Veröffentlicht: (2021)

A Novel Loss Function-based Support Vector Machine for Binary Classification
von: Li, Yan, et al.
Veröffentlicht: (2024)

Unsupervised Machine Learning Hybrid Approach Integrating Linear Programming in Loss Function: A Robust Optimization Technique
von: Kiruluta, Andrew, et al.
Veröffentlicht: (2024)

Stein Boltzmann Sampling: A Variational Approach for Global Optimization
von: Serré, Gaëtan, et al.
Veröffentlicht: (2024)

PDHG-Unrolled Learning-to-Optimize Method for Large-Scale Linear Programming
von: Li, Bingheng, et al.
Veröffentlicht: (2024)

Learning to Price Bundles: A GCN Approach for Mixed Bundling
von: Ding, Liangyu, et al.
Veröffentlicht: (2025)