Buchumschlag

Nonlinear discretizations and Newton's method: characterizing stationary points of regression objectives

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Rowan, Conor
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

Finding geodesics with the Deep Ritz method
von: Rowan, Conor
Veröffentlicht: (2025)

On the failure of ReLU activation for physics-informed machine learning
von: Rowan, Conor
Veröffentlicht: (2025)

Physics-informed solution reconstruction in elasticity and heat transfer using the explicit constraint force method
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Visualizing the loss landscapes of physics-informed neural networks
von: Rowan, Conor, et al.
Veröffentlicht: (2026)

Application of linear regression and quasi-Newton methods to the deep reinforcement learning in continuous action cases
von: Komatsu, Hisato
Veröffentlicht: (2025)

On the definition and importance of interpretability in scientific machine learning
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Continual Learning for non-stationary regression via Memory-Efficient Replay
von: García-Santaclara, Pablo, et al.
Veröffentlicht: (2026)

Frugality in second-order optimization: floating-point approximations for Newton's method
von: Carrino, Giuseppe, et al.
Veröffentlicht: (2025)

Solving engineering eigenvalue problems with neural networks using the Rayleigh quotient
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Boundary condition enforcement with PINNs: a comparative study and verification on 3D geometries
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Policy Newton methods for Distortion Riskmetrics
von: Pachal, Soumen, et al.
Veröffentlicht: (2025)

Variational volume reconstruction with the Deep Ritz Method
von: Rowan, Conor, et al.
Veröffentlicht: (2025)

Adaptive pruning-based Newton's method for distributed learning
von: Chen, Shuzhen, et al.
Veröffentlicht: (2023)

Target inductive methods for zero-shot regression
von: Fdez-Díaz, Miriam, et al.
Veröffentlicht: (2024)

Neural-Initialized Newton: Accelerating Nonlinear Finite Elements via Operator Learning
von: Taghikhani, Kianoosh, et al.
Veröffentlicht: (2025)

Gauss-Newton Temporal Difference Learning with Nonlinear Function Approximation
von: Ke, Zhifa, et al.
Veröffentlicht: (2023)

Nonlinear functional regression by functional deep neural network with kernel embedding
von: Shi, Zhongjie, et al.
Veröffentlicht: (2024)

Conditional regression for the Nonlinear Single-Variable Model
von: Wu, Yantao, et al.
Veröffentlicht: (2024)

Boosting methods for interval-censored data with regression and classification
von: Bian, Yuan, et al.
Veröffentlicht: (2026)

MMD-Newton Method for Multi-objective Optimization
von: Wang, Hao, et al.
Veröffentlicht: (2025)

ChainzRule: Sample-Efficient, Robust Deep Learning Across Tabular, NLP, and Vision Tasks
von: Martnishn, Rowan
Veröffentlicht: (2026)

Offline detection of change-points in the mean for stationary graph signals
von: de la Concha, Alejandro, et al.
Veröffentlicht: (2020)

A parsimonious, computationally efficient machine learning method for spatial regression
von: Žukovič, Milan, et al.
Veröffentlicht: (2023)

Gaussian-process-regression-based method for the localization of exceptional points in complex resonance spectra
von: Egenlauf, Patrick, et al.
Veröffentlicht: (2024)

Newton Informed Neural Operator for Computing Multiple Solutions of Nonlinear Partials Differential Equations
von: Hao, Wenrui, et al.
Veröffentlicht: (2024)

Cross-validation for change-point regression: pitfalls and solutions
von: Pein, Florian, et al.
Veröffentlicht: (2021)

Gradient descent with generalized Newton's method
von: Bu, Zhiqi, et al.
Veröffentlicht: (2024)

Newton-CG methods for nonconvex unconstrained optimization with Hölder continuous Hessian
von: He, Chuan, et al.
Veröffentlicht: (2023)

Extending the explicit constraint force method to inverse problems
von: Rowan, Conor
Veröffentlicht: (2025)

The explicit constraint force method for optimal experimental design
von: Rowan, Conor
Veröffentlicht: (2026)

Model-Free $δ$-Policy Iteration Based on Damped Newton Method for Nonlinear Continuous-Time H$\infty$ Tracking Control
von: Wang, Qi
Veröffentlicht: (2024)

Layer-wise Derivative Controlled Networks
von: Martnishn, Rowan, et al.
Veröffentlicht: (2026)

Error whitening: Why Gauss-Newton outperforms Newton
von: McKay, Maricela Best, et al.
Veröffentlicht: (2026)

Machine learning for sports betting: should model selection be based on accuracy or calibration?
von: Walsh, Conor, et al.
Veröffentlicht: (2023)

An hybrid stochastic Newton algorithm for logistic regression
von: Bercu, Bernard, et al.
Veröffentlicht: (2025)

$\ell_1$-norm rank-one symmetric matrix factorization has no spurious second-order stationary points
von: Guan, Jiewen, et al.
Veröffentlicht: (2024)

A fast neural hybrid Newton solver adapted to implicit methods for nonlinear dynamics
von: Jin, Tianyu, et al.
Veröffentlicht: (2024)

Gauss-Newton Unlearning for the LLM Era
von: McKinney, Lev, et al.
Veröffentlicht: (2026)

Metric-valued regression
von: Cohen, Dan Tsir, et al.
Veröffentlicht: (2022)

Non-stationary Domain Generalization: Theory and Algorithm
von: Pham, Thai-Hoang, et al.
Veröffentlicht: (2024)