:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lei, Yuan-Zheng, Gong, Yaobang, Chen, Dianwei, Cheng, Yao, Yang, Xianfeng Terry
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	https://arxiv.org/abs/2505.13241
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A two-stage search framework for constrained multi-gradient descent
von: Lei, Yuan-Zheng, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios
von: Chen, Dianwei, et al.
Veröffentlicht: (2024)

An optimization-free approximation Framework for Connected and Automated Vehicles Eco-Trajectory Planning Under limited computing capacity
von: Lei, Yuanzheng, et al.
Veröffentlicht: (2023)

Potential failures of physics-informed machine learning in traffic flow modeling: theoretical and experimental analysis
von: Lei, Yuan-Zheng, et al.
Veröffentlicht: (2025)

Last-Iterate Convergence of Anchored Gradient Descent
von: Cai, Yang, et al.
Veröffentlicht: (2026)

Advanced Longitudinal Control and Collision Avoidance for High-Risk Edge Cases in Autonomous Driving
von: Chen, Dianwei, et al.
Veröffentlicht: (2025)

RESIST: Resilient Decentralized Learning Using Consensus Gradient Descent
von: Fang, Cheng, et al.
Veröffentlicht: (2025)

Descent-Net: Learning Descent Directions for Constrained Optimization
von: Zhou, Zisheng, et al.
Veröffentlicht: (2025)

Gauss-Newton Natural Gradient Descent for Physics-Informed Computational Fluid Dynamics
von: Jnini, Anas, et al.
Veröffentlicht: (2024)

Dual Natural Gradient Descent for Scalable Training of Physics-Informed Neural Networks
von: Jnini, Anas, et al.
Veröffentlicht: (2025)

Trajectory-Oriented Control Using Gradient Descent: An Unconventional Approach
von: Esmzad, Ramin, et al.
Veröffentlicht: (2024)

Learning Provably Improves the Convergence of Gradient Descent
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Enhancing Fractional Gradient Descent with Learned Optimizers
von: Sobotka, Jan, et al.
Veröffentlicht: (2025)

Pareto Front Shape-Agnostic Pareto Set Learning in Multi-Objective Optimization
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)

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

Natural Gradient Descent for Control
von: Esmzad, Ramin, et al.
Veröffentlicht: (2025)

Gauss-Newton Natural Gradient Descent for Shape Learning
von: King, James, et al.
Veröffentlicht: (2026)

On the Convergence of Gradient Descent on Learning Transformers with Residual Connections
von: Qin, Zhen, et al.
Veröffentlicht: (2025)

Interpretable Gradient Descent for Kalman Gain
von: Belabbas, M. A., et al.
Veröffentlicht: (2025)

Incremental Gauss-Newton Descent for Machine Learning
von: Korbit, Mikalai, et al.
Veröffentlicht: (2024)

GLinSAT: The General Linear Satisfiability Neural Network Layer By Accelerated Gradient Descent
von: Zeng, Hongtai, et al.
Veröffentlicht: (2024)

Decentralized Robust Data-driven Predictive Control for Smoothing Mixed Traffic Flow
von: Shang, Xu, et al.
Veröffentlicht: (2024)

Resilient Two-Time-Scale Local Stochastic Gradient Descent for Byzantine Federated Learning
von: Dutta, Amit, et al.
Veröffentlicht: (2024)

Gradient Descent is Pareto-Optimal in the Oracle Complexity and Memory Tradeoff for Feasibility Problems
von: Blanchard, Moise
Veröffentlicht: (2024)

Input-Output Stability of Gradient Descent: A Discrete-Time Passivity-Based Approach
von: Moalemi, Sepehr, et al.
Veröffentlicht: (2024)

Parameter Symmetry and Noise Equilibrium of Stochastic Gradient Descent
von: Ziyin, Liu, et al.
Veröffentlicht: (2024)

Anytime Acceleration of Gradient Descent
von: Zhang, Zihan, et al.
Veröffentlicht: (2024)

Stochastic Adaptive Gradient Descent Without Descent
von: Aujol, Jean-François, et al.
Veröffentlicht: (2025)

Traversing Pareto Optimal Policies: Provably Efficient Multi-Objective Reinforcement Learning
von: Qiu, Shuang, et al.
Veröffentlicht: (2024)

Control-Oriented System Identification: Classical, Learning, and Physics-Informed Approaches
von: Sivaranjani, S., et al.
Veröffentlicht: (2025)

Multi-head Transformers Provably Learn Symbolic Multi-step Reasoning via Gradient Descent
von: Yang, Tong, et al.
Veröffentlicht: (2025)

Gradient Descent Converges Linearly to Flatter Minima than Gradient Flow in Shallow Linear Networks
von: Beneventano, Pierfrancesco, et al.
Veröffentlicht: (2025)

Corner Gradient Descent
von: Yarotsky, Dmitry
Veröffentlicht: (2025)

Dual Cone Gradient Descent for Training Physics-Informed Neural Networks
von: Hwang, Youngsik, et al.
Veröffentlicht: (2024)

Non-Asymptotic Analysis of Projected Gradient Descent for Physics-Informed Neural Networks
von: Nießen, Jonas, et al.
Veröffentlicht: (2025)

Convergence Analysis of Noisy Distributed Gradient Descent for Non-convex Optimization -- Saddle Point Escape
von: Qin, Lei, et al.
Veröffentlicht: (2025)

A Poisson Jump-driven SDE Approach to Distributed Gradient Descent with Sparse Communication
von: Weber, Marc, et al.
Veröffentlicht: (2025)

AutoGD: Automatic Learning Rate Selection for Gradient Descent
von: Surjanovic, Nikola, et al.
Veröffentlicht: (2025)

Efficient First-Order Optimization on the Pareto Set for Multi-Objective Learning under Preference Guidance
von: Chen, Lisha, et al.
Veröffentlicht: (2025)

On the Convergence of Stochastic Gradient Descent with Perturbed Forward-Backward Passes
von: Kong, Boao, et al.
Veröffentlicht: (2026)