Buchumschlag

A Trainable Optimizer

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Ruiqi, Klabjan, Diego
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Divergence Results and Convergence of a Variance Reduced Version of ADAM
von: Wang, Ruiqi, et al.
Veröffentlicht: (2022)

A Mirror Descent Perspective of Smoothed Sign Descent
von: Wang, Shuyang, et al.
Veröffentlicht: (2024)

Non-Convex Optimization with Spectral Radius Regularization
von: Sandler, Adam, et al.
Veröffentlicht: (2021)

Rank-Accuracy Trade-off for LoRA: A Gradient-Flow Analysis
von: Rushka, Michael, et al.
Veröffentlicht: (2026)

On the Convergence Rate of LoRA Gradient Descent
von: Mu, Siqiao, et al.
Veröffentlicht: (2025)

Descend or Rewind? Stochastic Gradient Descent Unlearning
von: Mu, Siqiao, et al.
Veröffentlicht: (2025)

On the Second-Order Convergence of Biased Policy Gradient Algorithms
von: Mu, Siqiao, et al.
Veröffentlicht: (2023)

IW-GAE: Importance Weighted Group Accuracy Estimation for Improved Calibration and Model Selection in Unsupervised Domain Adaptation
von: Joo, Taejong, et al.
Veröffentlicht: (2023)

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions
von: Mu, Siqiao, et al.
Veröffentlicht: (2024)

Improving self-training under distribution shifts via anchored confidence with theoretical guarantees
von: Joo, Taejong, et al.
Veröffentlicht: (2024)

Technical Debt in In-Context Learning: Diminishing Efficiency in Long Context
von: Joo, Taejong, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Low-Rank Update Algorithm and its Connection to Implicit Regularization
von: Park, Haemin, et al.
Veröffentlicht: (2024)

LanFL: Differentially Private Federated Learning with Large Language Models using Synthetic Samples
von: Wu, Huiyu, et al.
Veröffentlicht: (2024)

Regret Bounds and Reinforcement Learning Exploration of EXP-based Algorithms
von: Xu, Mengfan, et al.
Veröffentlicht: (2020)

Decentralized Blockchain-based Robust Multi-agent Multi-armed Bandit
von: Xu, Mengfan, et al.
Veröffentlicht: (2024)

A Primal-Dual Algorithm for Hybrid Federated Learning
von: Overman, Tom, et al.
Veröffentlicht: (2022)

Federated Automated Feature Engineering
von: Overman, Tom, et al.
Veröffentlicht: (2024)

IIFE: Interaction Information Based Automated Feature Engineering
von: Overman, Tom, et al.
Veröffentlicht: (2024)

FedGA-Tree: Federated Decision Tree using Genetic Algorithm
von: Nguyen, Anh V, et al.
Veröffentlicht: (2025)

Conditional Hierarchical Bayesian Tucker Decomposition for Genetic Data Analysis
von: Sandler, Adam, et al.
Veröffentlicht: (2019)

Continuous-Time Analysis of Federated Averaging
von: Overman, Tom, et al.
Veröffentlicht: (2025)

Topic Analysis with Side Information: A Neural-Augmented LDA Approach
von: Fang, Biyi, et al.
Veröffentlicht: (2025)

Multi-Layer Attention-Based Explainability via Transformers for Tabular Data
von: Gavito, Andrea Treviño, et al.
Veröffentlicht: (2023)

Video to Video Generative Adversarial Network for Few-shot Learning Based on Policy Gradient
von: Ma, Yintai, et al.
Veröffentlicht: (2024)

Unsupervised Video Summarization via Iterative Training and Simplified GAN
von: Li, Hanqing, et al.
Veröffentlicht: (2023)

Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression
von: Meng, Qingyu, et al.
Veröffentlicht: (2026)

Differentiable Calibration of Inexact Stochastic Simulation Models via Kernel Score Minimization
von: Su, Ziwei, et al.
Veröffentlicht: (2024)

Hybrid FedGraph: An efficient hybrid federated learning algorithm using graph convolutional neural network
von: Jang, Jaeyeon, et al.
Veröffentlicht: (2024)

Trainable Transformer in Transformer
von: Panigrahi, Abhishek, et al.
Veröffentlicht: (2023)

A Trainable Centrality Framework for Modern Data
von: Vu, Minh Duc, et al.
Veröffentlicht: (2025)

Maestro: Uncovering Low-Rank Structures via Trainable Decomposition
von: Horvath, Samuel, et al.
Veröffentlicht: (2023)

Survival Analysis as Imprecise Classification with Trainable Kernels
von: Konstantinov, Andrei V., et al.
Veröffentlicht: (2025)

SageBwd: A Trainable Low-bit Attention
von: Zhang, Jintao, et al.
Veröffentlicht: (2026)

Trainable Weight Averaging: Accelerating Training and Improving Generalization
von: Li, Tao, et al.
Veröffentlicht: (2022)

Trainable Bitwise Soft Quantization for Input Feature Compression
von: Schrödter, Karsten, et al.
Veröffentlicht: (2026)

Trainability issues in quantum policy gradients
von: Sequeira, André, et al.
Veröffentlicht: (2024)

Neural Network Training via Stochastic Alternating Minimization with Trainable Step Sizes
von: Yan, Chengcheng, et al.
Veröffentlicht: (2025)

Trainable Dynamic Mask Sparse Attention
von: Shi, Jingze, et al.
Veröffentlicht: (2025)

A Unified Noise-Curvature View of Loss of Trainability
von: Baveja, Gunbir Singh, et al.
Veröffentlicht: (2025)

Characterizing Trainability of Instantaneous Quantum Polynomial Circuit Born Machines
von: Shen, Kevin, et al.
Veröffentlicht: (2026)