Buchumschlag

Modified K-means Algorithm with Local Optimality Guarantees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Mingyi, Metel, Michael R., Takeda, Akiko
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

Perturbed Iterate SGD for Lipschitz Continuous Loss Functions with Numerical Error and Adaptive Step Sizes
von: Metel, Michael R.
Veröffentlicht: (2022)

Optimal Guarantees for Algorithmic Reproducibility and Gradient Complexity in Convex Optimization
von: Zhang, Liang, et al.
Veröffentlicht: (2023)

Efficient Optimization with Orthogonality Constraint: a Randomized Riemannian Submanifold Method
von: Han, Andi, et al.
Veröffentlicht: (2025)

A Framework for Bilevel Optimization on Riemannian Manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

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

Statistically Optimal K-means Clustering via Nonnegative Low-rank Semidefinite Programming
von: Zhuang, Yubo, et al.
Veröffentlicht: (2023)

Convergence and Complexity Guarantee for Inexact First-order Riemannian Optimization Algorithms
von: Li, Yuchen, et al.
Veröffentlicht: (2024)

A Guaranteed-Stable Neural Network Approach for Optimal Control of Nonlinear Systems
von: Li, Anran, et al.
Veröffentlicht: (2025)

On the Hardness of Meaningful Local Guarantees in Nonsmooth Nonconvex Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

A Regularized Newton Method for Nonconvex Optimization with Global and Local Complexity Guarantees
von: Zhou, Yuhao, et al.
Veröffentlicht: (2025)

A New First-Order Meta-Learning Algorithm with Convergence Guarantees
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2024)

A Data-Driven Real-Time Optimal Power Flow Algorithm Using Local Feedback
von: Liang, Heng, et al.
Veröffentlicht: (2025)

Learning-Based Optimal Control with Performance Guarantees for Unknown Systems with Latent States
von: Lefringhausen, Robert, et al.
Veröffentlicht: (2023)

ROOT-SGD: Sharp Nonasymptotics and Near-Optimal Asymptotics in a Single Algorithm
von: Li, Chris Junchi, et al.
Veröffentlicht: (2020)

A Sinkhorn-type Algorithm for Constrained Optimal Transport
von: Tang, Xun, et al.
Veröffentlicht: (2024)

Scalable Approximate Algorithms for Optimal Transport Linear Models
von: Kacprzak, Tomasz, et al.
Veröffentlicht: (2025)

Guarantees of a Preconditioned Subgradient Algorithm for Overparameterized Asymmetric Low-rank Matrix Recovery
von: Giampouras, Paris, et al.
Veröffentlicht: (2024)

Optimization over Sparse Support-Preserving Sets: Two-Step Projection with Global Optimality Guarantees
von: de Vazelhes, William, et al.
Veröffentlicht: (2025)

MAP Estimation with Denoisers: Convergence Rates and Guarantees
von: Pesme, Scott, et al.
Veröffentlicht: (2025)

Scalable Second-order Riemannian Optimization for $K$-means Clustering
von: Xu, Peng, et al.
Veröffentlicht: (2025)

Optimal Algorithms for Stochastic Complementary Composite Minimization
von: d'Aspremont, Alexandre, et al.
Veröffentlicht: (2022)

Learning-to-Optimize with PAC-Bayesian Guarantees: Theoretical Considerations and Practical Implementation
von: Sucker, Michael, et al.
Veröffentlicht: (2024)

Optimal Algorithms for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2023)

Subspace Optimization for Large Language Models with Convergence Guarantees
von: He, Yutong, et al.
Veröffentlicht: (2024)

Near-Optimal Algorithms for Group Distributionally Robust Optimization and Beyond
von: Soma, Tasuku, et al.
Veröffentlicht: (2022)

Optimal Local Convergence Rates of Stochastic First-Order Methods under Local $α$-PL
von: Masiha, Saeed, et al.
Veröffentlicht: (2024)

A Simple, Optimal and Efficient Algorithm for Online Exp-Concave Optimization
von: Wang, Yi-Han, et al.
Veröffentlicht: (2025)

A Provably Convergent and Practical Algorithm for Gromov--Wasserstein Optimal Transport
von: Liang, Ling, et al.
Veröffentlicht: (2026)

Greedy Low-Rank Gradient Compression for Distributed Learning with Convergence Guarantees
von: Chen, Chuyan, et al.
Veröffentlicht: (2025)

Negative Imaginary Neural ODEs: Learning to Control Mechanical Systems with Stability Guarantees
von: Shi, Kanghong, et al.
Veröffentlicht: (2025)

ReLU Networks for Model Predictive Control: Network Complexity and Performance Guarantees
von: Li, Xingchen, et al.
Veröffentlicht: (2026)

A Recovery Guarantee for Sparse Neural Networks
von: Fridovich-Keil, Sara, et al.
Veröffentlicht: (2025)

Towards Robust Learning to Optimize with Theoretical Guarantees
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Sharper Guarantees for Misspecified Kernelized Bandit Optimization
von: Maran, Davide, et al.
Veröffentlicht: (2026)

Memory-Reduced Meta-Learning with Guaranteed Convergence
von: Yang, Honglin, et al.
Veröffentlicht: (2024)

On Performance Guarantees for Federated Learning with Personalized Constraints
von: Ebrahimi, Mohammadjavad, et al.
Veröffentlicht: (2026)

Statistical Performance Guarantee for Subgroup Identification with Generic Machine Learning
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2023)

An Algorithm with Optimal Dimension-Dependence for Zero-Order Nonsmooth Nonconvex Stochastic Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2023)

MuonBP: Faster Muon via Block-Periodic Orthogonalization
von: Khaled, Ahmed, et al.
Veröffentlicht: (2025)

Unraveling the Gradient Descent Dynamics of Transformers
von: Song, Bingqing, et al.
Veröffentlicht: (2024)