Buchumschlag

A Randomized Algorithm for Sparse PCA based on the Basic SDP Relaxation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Del Pia, Alberto, Zhou, Dekun
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

An SDP Relaxation for the Sparse Integer Least Squares Problem
von: Del Pia, Alberto, et al.
Veröffentlicht: (2022)

Efficient Sparse PCA via Block-Diagonalization
von: Del Pia, Alberto, et al.
Veröffentlicht: (2024)

Chordal Sparsity for SDP-based Neural Network Verification
von: Xue, Anton, et al.
Veröffentlicht: (2022)

Attention-based PCA
von: Maulen-Soto, Rodrigo, et al.
Veröffentlicht: (2026)

Federated Structured Sparse PCA for Anomaly Detection in IoT Networks
von: Huang, Chenyi, et al.
Veröffentlicht: (2025)

Sparse PCA With Multiple Components
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2022)

Tuning-Free Structured Sparse PCA via Deep Unfolding Networks
von: Chen, Long, et al.
Veröffentlicht: (2025)

Provable Exactness for Asymmetric Low-Rank SDP Learning
von: Hu, Enliang
Veröffentlicht: (2018)

Rethinking PCA Through Duality
von: Quan, Jan, et al.
Veröffentlicht: (2025)

Combinatorial Sparse PCA Beyond the Spiked Identity Model
von: Kumar, Syamantak, et al.
Veröffentlicht: (2026)

A Tight SDP Relaxation for the Cubic-Quartic Regularization Problem
von: Zhou, Jinling, et al.
Veröffentlicht: (2025)

Training Safe Neural Networks with Global SDP Bounds
von: Soletskyi, Roman, et al.
Veröffentlicht: (2024)

Accelerating Sinkhorn Algorithm with Sparse Newton Iterations
von: Tang, Xun, et al.
Veröffentlicht: (2024)

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

Homotopy Relaxation Training Algorithms for Infinite-Width Two-Layer ReLU Neural Networks
von: Yang, Yahong, et al.
Veröffentlicht: (2023)

Complexity Lower Bounds of Adaptive Gradient Algorithms for Non-convex Stochastic Optimization under Relaxed Smoothness
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

Prescriptive PCA: Dimensionality Reduction for Two-stage Stochastic Optimization
von: He, Long, et al.
Veröffentlicht: (2023)

Random Sparse Lifts: Construction, Analysis and Convergence of finite sparse networks
von: Robin, David A. R., et al.
Veröffentlicht: (2025)

Sparse Hyperparametric Itakura-Saito Nonnegative Matrix Factorization via Bi-Level Optimization
von: Selicato, Laura, et al.
Veröffentlicht: (2025)

Semidefinite Relaxations of the Gromov-Wasserstein Distance
von: Chen, Junyu, et al.
Veröffentlicht: (2023)

Randomized Block-Coordinate Optimistic Gradient Algorithms for Root-Finding Problems
von: Tran-Dinh, Quoc, et al.
Veröffentlicht: (2023)

Compact Lifted Relaxations for Low-Rank Optimization
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2026)

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

Hamiltonian Descent Algorithms for Optimization: Accelerated Rates via Randomized Integration Time
von: Fu, Qiang, et al.
Veröffentlicht: (2025)

Gap-Free Clustering: Sensitivity and Robustness of SDP
von: Zurek, Matthew, et al.
Veröffentlicht: (2023)

Slack More, Predict Better: Proximal Relaxation for Probabilistic Latent Variable Model-based Soft Sensors
von: Zou, Zehua, et al.
Veröffentlicht: (2026)

A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Suboptimality bounds for trace-bounded SDPs enable a faster and scalable low-rank SDP solver SDPLR+
von: Huang, Yufan, et al.
Veröffentlicht: (2024)

Sparse-ProxSkip: Accelerated Sparse-to-Sparse Training in Federated Learning
von: Meinhardt, Georg, et al.
Veröffentlicht: (2024)

Decentralized Stochastic Nonconvex Optimization under the Relaxed Smoothness
von: Luo, Luo, et al.
Veröffentlicht: (2025)

Relaxation-Informed Training of Neural Network Surrogate Models
von: Tsay, Calvin
Veröffentlicht: (2026)

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

Learning Over-Relaxation Policies for ADMM with Convergence Guarantees
von: Lin, Junan, et al.
Veröffentlicht: (2026)

Online Uniform Sampling: Randomized Learning-Augmented Approximation Algorithms with Application to Digital Health
von: Liu, Xueqing, et al.
Veröffentlicht: (2024)

Multinoulli Extension: A Lossless Continuous Relaxation for Partition-Constrained Subset Selection
von: Zhang, Qixin, et al.
Veröffentlicht: (2026)

Convex Relaxation for Solving Large-Margin Classifiers in Hyperbolic Space
von: Yang, Sheng, et al.
Veröffentlicht: (2024)

A Theory of the Risk for Optimization with Relaxation and its Application to Support Vector Machines
von: Campi, Marco C., et al.
Veröffentlicht: (2020)

FedGiA: An Efficient Hybrid Algorithm for Federated Learning
von: Zhou, Shenglong, et al.
Veröffentlicht: (2022)

Dual Conic Proxy for Semidefinite Relaxation of AC Optimal Power Flow
von: Qiu, Guancheng, et al.
Veröffentlicht: (2025)

Don't Be Greedy, Just Relax! Pruning LLMs via Frank-Wolfe
von: Roux, Christophe, et al.
Veröffentlicht: (2025)