Buchumschlag

Global Convergence and Acceleration for Single Observation Gradient Free Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lauand, Caio Kalil, Meyn, Sean
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control 62L20
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Extremely Fast Convergence Rates for Extremum Seeking Control with Polyak-Ruppert Averaging
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2022)

Markovian Foundations for Quasi-Stochastic Approximation with Applications to Extremum Seeking Control
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2022)

Revisiting Step-Size Assumptions in Stochastic Approximation
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2024)

The case for and against fixed step-size: Stochastic approximation algorithms in optimization and machine learning
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2023)

Optimistic Training and Convergence of Q-Learning -- Extended Version
von: Mehta, Prashant, et al.
Veröffentlicht: (2026)

Markovian Foundations for Quasi-Stochastic Approximation in Two Timescales: Extended Version
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2024)

A Short Survey of Averaging Techniques in Stochastic Gradient Methods
von: Lakshmanan, K.
Veröffentlicht: (2026)

Stability and Sensitivity Analysis of Relative Temporal-Difference Learning: Extended Version
von: Sakha, Masoud S., et al.
Veröffentlicht: (2026)

Nonasymptotic Analysis of Stochastic Gradient Descent with the Richardson-Romberg Extrapolation
von: Sheshukova, Marina, et al.
Veröffentlicht: (2024)

An Iterative Bayesian Robbins--Monro Sequence
von: Liu, Siwei, et al.
Veröffentlicht: (2025)

A dynamic view of some anomalous phenomena in SGD
von: Borkar, Vivek Shripad
Veröffentlicht: (2025)

Stochastic Online Feedback Optimization for Networks of Non-Compliant Agents
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2025)

Convergence of Riemannian Stochastic Gradient Descents: Varying Batch Sizes And Nonstandard Batch Forming
von: Wu, Hao
Veröffentlicht: (2026)

Optimal control under unknown intensity with Bayesian learning
von: Baradel, Nicolas, et al.
Veröffentlicht: (2024)

Improved High-Probability Bounds for the Temporal Difference Learning Algorithm via Exponential Stability
von: Samsonov, Sergey, et al.
Veröffentlicht: (2023)

High-Order Error Bounds for Markovian LSA with Richardson-Romberg Extrapolation
von: Levin, Ilya, et al.
Veröffentlicht: (2025)

Sample Complexity of Policy Gradient for Log-Growth Control
von: Pan, Qiuhua, et al.
Veröffentlicht: (2026)

Unbiased Gradients for a Class of Conditional Stochastic Optimization Problems
von: Alvarez, Miguel, et al.
Veröffentlicht: (2026)

Statistical inference for Linear Stochastic Approximation with Markovian Noise
von: Samsonov, Sergey, et al.
Veröffentlicht: (2025)

Revisiting Stochastic Approximation and Stochastic Gradient Descent
von: Karandikar, Rajeeva Laxman, et al.
Veröffentlicht: (2025)

High Probability Bounds for Stochastic Subgradient Schemes with Heavy Tailed Noise
von: Parletta, Daniela A., et al.
Veröffentlicht: (2022)

Mini-Batch Covariance, Diffusion Limits, and Oracle Complexity in Stochastic Gradient Descent: A Sampling-Design Perspective
von: Zantedeschi, Daniel, et al.
Veröffentlicht: (2026)

Improved Central Limit Theorem and Bootstrap Approximations for Linear Stochastic Approximation
von: Butyrin, Bogdan, et al.
Veröffentlicht: (2025)

Gaussian Approximation and Multiplier Bootstrap for Polyak-Ruppert Averaged Linear Stochastic Approximation with Applications to TD Learning
von: Samsonov, Sergey, et al.
Veröffentlicht: (2024)

Convergence Rates for Stochastic Approximation: Biased Noise with Unbounded Variance, and Applications
von: Karandikar, Rajeeva L., et al.
Veröffentlicht: (2023)

BISTRO -- A Bi-Fidelity Stochastic Gradient Framework using Trust-Regions for Optimization Under Uncertainty
von: Dixon, Thomas O., et al.
Veröffentlicht: (2025)

Average-reward reinforcement learning in semi-Markov decision processes via relative value iteration
von: Yu, Huizhen, et al.
Veröffentlicht: (2025)

Asynchronous Stochastic Approximation with Applications to Average-Reward Reinforcement Learning
von: Yu, Huizhen, et al.
Veröffentlicht: (2024)

A Sequential Testing Problem with Signal Control
von: Campbell, Steven, et al.
Veröffentlicht: (2025)

When Does Dynamic Preconditioning Preserve the Polyak-Ruppert CLT? A Stabilization Threshold
von: An, Sunyoung, et al.
Veröffentlicht: (2026)

Multi-Iteration Stochastic Optimizers
von: Carlon, Andre, et al.
Veröffentlicht: (2020)

A weak convergence approach to large deviations for stochastic approximations
von: Hult, Henrik, et al.
Veröffentlicht: (2025)

A geometric ensemble method for Bayesian inference
von: Popov, Andrey A
Veröffentlicht: (2025)

Gaussian Approximation and Multiplier Bootstrap for Stochastic Gradient Descent
von: Sheshukova, Marina, et al.
Veröffentlicht: (2025)

Stochastic Modified Flows for Riemannian Stochastic Gradient Descent
von: Gess, Benjamin, et al.
Veröffentlicht: (2024)

On the Rate of Gaussian Approximation for Linear Regression Problems
von: Khusainov, Marat, et al.
Veröffentlicht: (2025)

Gaussian Approximation for Two-Timescale Linear Stochastic Approximation
von: Butyrin, Bogdan, et al.
Veröffentlicht: (2025)

A Robbins--Monro Sequence That Can Exploit Prior Information For Faster Convergence
von: Liu, Siwei, et al.
Veröffentlicht: (2024)

Adaptive Stochastic Gradient Descents on Manifolds with an Application on Weighted Low-Rank Approximation
von: Yang, Peiqi, et al.
Veröffentlicht: (2025)

ASMOP: Additional sampling stochastic trust region method for multi-objective problems
von: Jerinkić, Nataša Krklec, et al.
Veröffentlicht: (2025)