Buchumschlag

On the convergence of stochastic variance reduced gradient for linear inverse problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Bangti, Zhou, Zehui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stochastic variance reduced gradient method for linear ill-posed inverse problems
von: Jin, Qinian, et al.
Veröffentlicht: (2024)

Dual gradient flow for solving linear ill-posed problems in Banach spaces
von: Jin, Qinian, et al.
Veröffentlicht: (2022)

Convergence analysis of a stochastic heavy-ball method for linear ill-posed problems
von: Jin, Qinian, et al.
Veröffentlicht: (2024)

Adaptive Approximations of Inclusions in a Semilinear Elliptic Problem Related to Cardiac Electrophysiology
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Flattened one-bit stochastic gradient descent: compressed distributed optimization with controlled variance
von: Stollenwerk, Alexander, et al.
Veröffentlicht: (2024)

On the Crouzeix-Raviart Finite Element Approximation of Phase-Field Dependent Topology Optimization in Stokes Flow
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Convergence Analysis of an Adaptive Nonconforming FEM for Phase-Field Dependent Topology Optimization in Stokes Flow
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

An Adaptive Phase-Field Method for Structural Topology Optimization
von: Jin, Bangti, et al.
Veröffentlicht: (2023)

Optimal local linear convergence of Nesterov's accelerated gradient method for $C^2$ functions under the Polyak--Łojasiewicz inequality
von: Feng, Zixu, et al.
Veröffentlicht: (2026)

Convergence analysis of multi-step one-shot methods for linear inverse problems
von: Bonazzoli, Marcella, et al.
Veröffentlicht: (2022)

An adaptive heavy ball method for ill-posed inverse problems
von: Jin, Qinian, et al.
Veröffentlicht: (2024)

Solving Elliptic Optimal Control Problems via Neural Networks and Optimality System
von: Dai, Yongcheng, et al.
Veröffentlicht: (2023)

A globally convergent Carleman-Picard method for an inverse initial-value problem for a nonlinear diffusive coagulation-fragmentation equation coagulation-fragmentation equation
von: Le, Thuy T., et al.
Veröffentlicht: (2026)

Non-asymptotic convergence analysis of the stochastic gradient Hamiltonian Monte Carlo algorithm with discontinuous stochastic gradient with applications to training of ReLU neural networks
von: Liang, Luxu, et al.
Veröffentlicht: (2024)

Convergence analysis for an implementable scheme to solve the linear-quadratic stochastic optimal control problem with stochastic wave equation
von: Chaudhary, Abhishek
Veröffentlicht: (2025)

Off-the-grid regularisation for Poisson inverse problems
von: Lazzaretti, Marta, et al.
Veröffentlicht: (2024)

Dynamic inverse problems: Online regularisation theory
von: Jauhiainen, Jyrki, et al.
Veröffentlicht: (2026)

Martingale deep learning for very high dimensional quasi-linear partial differential equations and stochastic optimal controls
von: Cai, Wei, et al.
Veröffentlicht: (2024)

Non-Euclidean dual gradient ascent for entropically regularized linear and semidefinite programming
von: Cai, Yuhang, et al.
Veröffentlicht: (2025)

How to induce regularization in linear models: A guide to reparametrizing gradient flow
von: Chou, Hung-Hsu, et al.
Veröffentlicht: (2023)

A reduced-order model for parametrized Optimal Transport problems
von: Bonnet-Weill, Elise, et al.
Veröffentlicht: (2026)

An accelerated gradient method with adaptive restart for convex multiobjective optimization problems
von: Luo, Hao, et al.
Veröffentlicht: (2025)

Notes on the discretization of TV-norm regularized inverse potential problems
von: Baratchart, L, et al.
Veröffentlicht: (2025)

Error analysis for stochastic gradient optimization schemes using modified equations
von: Bréhier, Charles-Edouard, et al.
Veröffentlicht: (2024)

Learning rate adaptive stochastic gradient descent optimization methods: numerical simulations for deep learning methods for partial differential equations and convergence analyses
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

A stochastic preconditioned Douglas-Rachford splitting method for saddle-point problems
von: Dong, Yakun, et al.
Veröffentlicht: (2022)

Variable projection framework for the reduced-rank matrix approximation problem by weighted least-squares
von: Terray, Pascal
Veröffentlicht: (2025)

Langevin dynamics based algorithm e-TH$\varepsilon$O POULA for stochastic optimization problems with discontinuous stochastic gradient
von: Lim, Dong-Young, et al.
Veröffentlicht: (2022)

Separation-free exponential fitting with structured noise, with applications to inverse problems in parabolic PDEs
von: Katz, Rami, et al.
Veröffentlicht: (2025)

Fully discretized Sobolev gradient flow for the Gross-Pitaevskii eigenvalue problem
von: Chen, Ziang, et al.
Veröffentlicht: (2024)

A Primal-dual hybrid gradient method for solving optimal control problems and the corresponding Hamilton-Jacobi PDEs
von: Meng, Tingwei, et al.
Veröffentlicht: (2024)

Provably convergent stochastic fixed-point algorithm for free-support Wasserstein barycenter of continuous non-parametric measures
von: Chen, Zeyi, et al.
Veröffentlicht: (2025)

An augmented Lagrangian trust-region method with inexact gradient evaluations to accelerate constrained optimization problems using model hyperreduction
von: Wen, Tianshu, et al.
Veröffentlicht: (2024)

A novel dual-decomposition method for non-convex two-stage stochastic mixed-integer quadratically constrained quadratic problems
von: Belyak, Nikita, et al.
Veröffentlicht: (2023)

Data-driven approaches to inverse problems
von: Schönlieb, Carola-Bibiane, et al.
Veröffentlicht: (2025)

Stability and convergence of the penalty formulation for nonlinear magnetostatics
von: Egger, Herbert, et al.
Veröffentlicht: (2024)

On the convergence of discrete dynamic unbalanced transport models
von: Li, Bowen, et al.
Veröffentlicht: (2023)

Convergence of the deep BSDE method for stochastic control problems formulated through the stochastic maximum principle
von: Huang, Zhipeng, et al.
Veröffentlicht: (2024)

Stochastic gradient with least-squares control variates
von: Nobile, Fabio, et al.
Veröffentlicht: (2025)

Limited memory gradient methods for unconstrained optimization
von: Ferrandi, Giulia, et al.
Veröffentlicht: (2023)