Salvato in:
| Autori principali: | Feoktistov, Dmitrii, Ignashin, Igor, Veprikov, Andrey, Borovko, Nikita, Bogdanov, Alexander, Chezhegov, Savelii, Beznosikov, Aleksandr |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2508.16734 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Softsign: Smooth Sign in Your Optimizer For Better Parameter Heterogeneity Handling
di: Feoktistov, Dmitrii, et al.
Pubblicazione: (2026)
di: Feoktistov, Dmitrii, et al.
Pubblicazione: (2026)
Convergence of Clipped-SGD for Convex $(L_0,L_1)$-Smooth Optimization with Heavy-Tailed Noise
di: Chezhegov, Savelii, et al.
Pubblicazione: (2025)
di: Chezhegov, Savelii, et al.
Pubblicazione: (2025)
Variance Reduction Methods Do Not Need to Compute Full Gradients: Improved Efficiency through Shuffling
di: Medyakov, Daniil, et al.
Pubblicazione: (2025)
di: Medyakov, Daniil, et al.
Pubblicazione: (2025)
Enhancing Stability of Physics-Informed Neural Network Training Through Saddle-Point Reformulation
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2025)
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2025)
Local SGD for Near-Quadratic Problems: Improving Convergence under Unconstrained Noise Conditions
di: Sadchikov, Andrey, et al.
Pubblicazione: (2024)
di: Sadchikov, Andrey, et al.
Pubblicazione: (2024)
Incorporating Preconditioning into Accelerated Approaches: Theoretical Guarantees and Practical Improvement
di: Trifonov, Stepan, et al.
Pubblicazione: (2025)
di: Trifonov, Stepan, et al.
Pubblicazione: (2025)
WeightLoRA: Keep Only Necessary Adapters
di: Veprikov, Andrey, et al.
Pubblicazione: (2025)
di: Veprikov, Andrey, et al.
Pubblicazione: (2025)
Preconditioned Norms: A Unified Framework for Steepest Descent, Quasi-Newton and Adaptive Methods
di: Veprikov, Andrey, et al.
Pubblicazione: (2025)
di: Veprikov, Andrey, et al.
Pubblicazione: (2025)
Where Does Warm-Up Come From? Adaptive Scheduling for Norm-Constrained Optimizers
di: Riabinin, Artem, et al.
Pubblicazione: (2026)
di: Riabinin, Artem, et al.
Pubblicazione: (2026)
Clipping Improves Adam-Norm and AdaGrad-Norm when the Noise Is Heavy-Tailed
di: Chezhegov, Savelii, et al.
Pubblicazione: (2024)
di: Chezhegov, Savelii, et al.
Pubblicazione: (2024)
New Aspects of Black Box Conditional Gradient: Variance Reduction and One Point Feedback
di: Veprikov, Andrey, et al.
Pubblicazione: (2024)
di: Veprikov, Andrey, et al.
Pubblicazione: (2024)
LionMuon: Alternating Spectral and Sign Descent for Efficient Training
di: Bolatov, Arman, et al.
Pubblicazione: (2026)
di: Bolatov, Arman, et al.
Pubblicazione: (2026)
Zero-Order Optimization for LLM Fine-Tuning via Learnable Direction Sampling
di: Parfenov, Valery, et al.
Pubblicazione: (2026)
di: Parfenov, Valery, et al.
Pubblicazione: (2026)
Benchmarking Optimizers for MLPs in Tabular Deep Learning
di: Gorishniy, Yury, et al.
Pubblicazione: (2026)
di: Gorishniy, Yury, et al.
Pubblicazione: (2026)
Local Methods with Adaptivity via Scaling
di: Chezhegov, Savelii, et al.
Pubblicazione: (2024)
di: Chezhegov, Savelii, et al.
Pubblicazione: (2024)
Accelerated Stochastic Gradient Method with Applications to Consensus Problem in Markov-Varying Networks
di: Solodkin, Vladimir, et al.
Pubblicazione: (2024)
di: Solodkin, Vladimir, et al.
Pubblicazione: (2024)
Leveraging Coordinate Momentum in SignSGD and Muon: Memory-Optimized Zero-Order
di: Petrov, Egor, et al.
Pubblicazione: (2025)
di: Petrov, Egor, et al.
Pubblicazione: (2025)
Faster Than SVD, Smarter Than SGD: The OPLoRA Alternating Update
di: Almansoori, Abdulla Jasem, et al.
Pubblicazione: (2025)
di: Almansoori, Abdulla Jasem, et al.
Pubblicazione: (2025)
Beyond SGD, Without SVD: Proximal Subspace Iteration LoRA with Diagonal Fractional K-FAC
di: Almansoori, Abdulla Jasem, et al.
Pubblicazione: (2026)
di: Almansoori, Abdulla Jasem, et al.
Pubblicazione: (2026)
Decentralized Finite-Sum Optimization over Time-Varying Networks
di: Metelev, Dmitry, et al.
Pubblicazione: (2024)
di: Metelev, Dmitry, et al.
Pubblicazione: (2024)
Optimal Data Splitting in Distributed Optimization for Machine Learning
di: Medyakov, Daniil, et al.
Pubblicazione: (2024)
di: Medyakov, Daniil, et al.
Pubblicazione: (2024)
Lower Bounds and Optimal Algorithms for Non-Smooth Convex Decentralized Optimization over Time-Varying Networks
di: Kovalev, Dmitry, et al.
Pubblicazione: (2024)
di: Kovalev, Dmitry, et al.
Pubblicazione: (2024)
Distributed Saddle-Point Problems: Lower Bounds, Near-Optimal and Robust Algorithms
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2020)
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2020)
Accelerated Methods with Compressed Communications for Distributed Optimization Problems under Data Similarity
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2024)
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2024)
Sarah Frank-Wolfe: Methods for Constrained Optimization with Best Rates and Practical Features
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2023)
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2023)
A Mathematical Model of the Hidden Feedback Loop Effect in Machine Learning Systems
di: Veprikov, Andrey, et al.
Pubblicazione: (2024)
di: Veprikov, Andrey, et al.
Pubblicazione: (2024)
Differentially Private Clipped-SGD: High-Probability Convergence with Arbitrary Clipping Level
di: Khah, Saleh Vatan, et al.
Pubblicazione: (2025)
di: Khah, Saleh Vatan, et al.
Pubblicazione: (2025)
Methods for Optimization Problems with Markovian Stochasticity and Non-Euclidean Geometry
di: Solodkin, Vladimir, et al.
Pubblicazione: (2024)
di: Solodkin, Vladimir, et al.
Pubblicazione: (2024)
Hierarchical Mixture-of-Experts with Two-Stage Optimization
di: Molodtsov, Gleb, et al.
Pubblicazione: (2026)
di: Molodtsov, Gleb, et al.
Pubblicazione: (2026)
DyKAF: Dynamical Kronecker Approximation of the Fisher Information Matrix for Gradient Preconditioning
di: Yudin, Nikolay, et al.
Pubblicazione: (2025)
di: Yudin, Nikolay, et al.
Pubblicazione: (2025)
Ito Diffusion Approximation of Universal Ito Chains for Sampling, Optimization and Boosting
di: Ustimenko, Aleksei, et al.
Pubblicazione: (2023)
di: Ustimenko, Aleksei, et al.
Pubblicazione: (2023)
Accelerated Stochastic ExtraGradient: Mixing Hessian and Gradient Similarity to Reduce Communication in Distributed and Federated Learning
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2024)
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2024)
Similarity, Compression and Local Steps: Three Pillars of Efficient Communications for Distributed Variational Inequalities
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2023)
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2023)
On Biased Compression for Distributed Learning
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2020)
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2020)
Random-reshuffled SARAH does not need a full gradient computations
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2021)
di: Beznosikov, Aleksandr, et al.
Pubblicazione: (2021)
FRUGAL: Memory-Efficient Optimization by Reducing State Overhead for Scalable Training
di: Zmushko, Philip, et al.
Pubblicazione: (2024)
di: Zmushko, Philip, et al.
Pubblicazione: (2024)
Gradient-Free Approaches is a Key to an Efficient Interaction with Markovian Stochasticity
di: Prokhorov, Boris, et al.
Pubblicazione: (2026)
di: Prokhorov, Boris, et al.
Pubblicazione: (2026)
Curvature-Aligned Probing for Local Loss-Landscape Stabilization
di: Kiselev, Nikita, et al.
Pubblicazione: (2026)
di: Kiselev, Nikita, et al.
Pubblicazione: (2026)
Markovian Compression: Looking to the Past Helps Accelerate the Future
di: Veprikov, Andrey, et al.
Pubblicazione: (2026)
di: Veprikov, Andrey, et al.
Pubblicazione: (2026)
Just a Simple Transformation is Enough for Data Protection in Vertical Federated Learning
di: Semenov, Andrei, et al.
Pubblicazione: (2024)
di: Semenov, Andrei, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Softsign: Smooth Sign in Your Optimizer For Better Parameter Heterogeneity Handling
di: Feoktistov, Dmitrii, et al.
Pubblicazione: (2026) -
Convergence of Clipped-SGD for Convex $(L_0,L_1)$-Smooth Optimization with Heavy-Tailed Noise
di: Chezhegov, Savelii, et al.
Pubblicazione: (2025) -
Variance Reduction Methods Do Not Need to Compute Full Gradients: Improved Efficiency through Shuffling
di: Medyakov, Daniil, et al.
Pubblicazione: (2025) -
Enhancing Stability of Physics-Informed Neural Network Training Through Saddle-Point Reformulation
di: Bylinkin, Dmitry, et al.
Pubblicazione: (2025) -
Local SGD for Near-Quadratic Problems: Improving Convergence under Unconstrained Noise Conditions
di: Sadchikov, Andrey, et al.
Pubblicazione: (2024)