Buchumschlag

RGNMR: A Gauss-Newton method for robust matrix completion with theoretical guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Laufer, Eilon Vaknin, Nadler, Boaz
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Numerical Analysis Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Gauss-Newton Approach for Min-Max Optimization in Generative Adversarial Networks
von: Mishra, Neel, et al.
Veröffentlicht: (2024)

Inexact Gauss-Newton methods with matrix approximation by sampling for nonlinear least-squares and systems
von: Bellavia, Stefania, et al.
Veröffentlicht: (2023)

A distributed semismooth Newton based augmented Lagrangian method for distributed optimization
von: Ma, Qihao, et al.
Veröffentlicht: (2026)

An extended Gauss-Newton method for full waveform inversion
von: Gholami, Ali
Veröffentlicht: (2023)

Cubic regularized subspace Newton for non-convex optimization
von: Zhao, Jim, et al.
Veröffentlicht: (2024)

Gauss-Southwell type descent methods for low-rank matrix optimization
von: Olikier, Guillaume, et al.
Veröffentlicht: (2023)

Fundamental Bias in Inverting Random Sampling Matrices with Application to Sub-sampled Newton
von: Niu, Chengmei, et al.
Veröffentlicht: (2025)

A generalization of the Newton-based matrix splitting iteration method for generalized absolute value equations
von: Li, Xuehua, et al.
Veröffentlicht: (2023)

Online Covariance Matrix Estimation in Sketched Newton Methods
von: Kuang, Wei, et al.
Veröffentlicht: (2025)

A second-order method landing on the Stiefel manifold via Newton$\unicode{x2013}$Schulz iteration
von: Xiong, Xinhui, et al.
Veröffentlicht: (2026)

An inexact framework of the Newton-based matrix splitting iterative method for the generalized absolute value equation
von: Yu, Dongmei, et al.
Veröffentlicht: (2021)

A Scalable Interior-Point Gauss-Newton Method for PDE-Constrained Optimization with Bound Constraints
von: Hartland, Tucker, et al.
Veröffentlicht: (2024)

Backtracking New Q-Newton's method, Newton's flow, Voronoi's diagram and Stochastic root finding
von: Fornaess, John Erik, et al.
Veröffentlicht: (2024)

Learning rate adaptive stochastic gradient descent optimization methods: numerical simulations for deep learning methods for partial differential equations and convergence analyses
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

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

Continuum-marginal optimal transport: a mesh-free kernel method
von: Nakano, Yumiharu
Veröffentlicht: (2026)

First-order methods for stochastic and finite-sum convex optimization with deterministic constraints
von: Lu, Zhaosong, et al.
Veröffentlicht: (2025)

Symmetric Rank-One Quasi-Newton Methods for Deep Learning Using Cubic Regularization
von: Ranganath, Aditya, et al.
Veröffentlicht: (2025)

A two-phase rank-based algorithm for low-rank matrix completion
von: Araújo, Tacildo de Souza, et al.
Veröffentlicht: (2022)

A necessary condition for the guarantee of the superiorization method
von: Barshad, Kay, et al.
Veröffentlicht: (2025)

Optimization methods for solving matrix equations
von: Zhang, Juan, et al.
Veröffentlicht: (2024)

A robust and stable phase field method for structural topology optimization
von: Chen, Huangxin, et al.
Veröffentlicht: (2025)

A note on continuous-time online learning
von: Ying, Lexing
Veröffentlicht: (2024)

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

A Family of Controllable Momentum Coefficients for Forward-Backward Accelerated Algorithms
von: Fu, Mingwei, et al.
Veröffentlicht: (2025)

A Trust-Region Interior-Point Stochastic Sequential Quadratic Programming Method
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

A Block Coordinate Descent Method for Nonsmooth Composite Optimization under Orthogonality Constraints
von: Yuan, Ganzhao
Veröffentlicht: (2023)

sparseGeoHOPCA: A Geometric Solution to Sparse Higher-Order PCA Without Covariance Estimation
von: Xu, Renjie, et al.
Veröffentlicht: (2025)

Why is Normalization Preferred? A Worst-Case Complexity Theory for Stochastically Preconditioned SGD under Heavy-Tailed Noise
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

KANtrol: A Physics-Informed Kolmogorov-Arnold Network Framework for Solving Multi-Dimensional and Fractional Optimal Control Problems
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

Solving the Offline and Online Min-Max Problem of Non-smooth Submodular-Concave Functions: A Zeroth-Order Approach
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2026)

A Natural Primal-Dual Hybrid Gradient Method for Adversarial Neural Network Training on Solving Partial Differential Equations
von: Liu, Shu, et al.
Veröffentlicht: (2024)

Control, Optimal Transport and Neural Differential Equations in Supervised Learning
von: Phung, Minh-Nhat, et al.
Veröffentlicht: (2025)

AutoBalance: An Automatic Balancing Framework for Training Physics-Informed Neural Networks
von: An, Kang, et al.
Veröffentlicht: (2025)

Minimisation of Submodular Functions Using Gaussian Zeroth-Order Random Oracles
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2025)

Nonlinear Dimensionality Reduction Techniques for Bayesian Optimization
von: Long, Luo, et al.
Veröffentlicht: (2025)

Machine Learning and Control: Foundations, Advances, and Perspectives
von: Zuazua, Enrique
Veröffentlicht: (2025)

Policy Gradient with Second Order Momentum
von: Sun, Tianyu
Veröffentlicht: (2025)

Fast and Provable Tensor-Train Format Tensor Completion via Precondtioned Riemannian Gradient Descent
von: Bian, Fengmiao, et al.
Veröffentlicht: (2025)

Accuracy of Discretely Sampled Stochastic Policies in Continuous-time Reinforcement Learning
von: Jia, Yanwei, et al.
Veröffentlicht: (2025)