Buchumschlag

On the Convergence of Overparameterized Problems: Inherent Properties of the Compositional Structure of Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	de Oliveira, Arthur Castello Branco, Jatkar, Dhruv, Sontag, Eduardo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Systems and Control Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the (almost) Global Exponential Convergence of the Overparameterized Policy Optimization for the LQR Problem
von: Wafi, Moh Kamalul, et al.
Veröffentlicht: (2025)

Remarks on the Polyak-Lojasiewicz inequality and the convergence of gradient systems
von: de Oliveira, Arthur Castello B., et al.
Veröffentlicht: (2025)

WARP: A Benchmark for Primal-Dual Warm-Starting of Interior-Point Solvers
von: Suri, Dhruv, et al.
Veröffentlicht: (2026)

Convergence Analysis of Gradient Flow for Overparameterized LQR Formulations
von: de Oliveira, Arthur Castello B., et al.
Veröffentlicht: (2024)

A Riemannian Optimization Perspective of the Gauss-Newton Method for Feedforward Neural Networks
von: Cayci, Semih
Veröffentlicht: (2024)

Bridging Control with Neural Network Verifier alpha-beta-CROWN: A Tutorial
von: Li, Haoyu, et al.
Veröffentlicht: (2026)

Optimizing Inventory Routing: A Decision-Focused Learning Approach using Neural Networks
von: Islam, MD Shafikul, et al.
Veröffentlicht: (2023)

Distributionally Robust Safety Verification of Neural Networks via Worst-Case CVaR
von: Kishida, Masako
Veröffentlicht: (2025)

Convergence and sample complexity of natural policy gradient primal-dual methods for constrained MDPs
von: Ding, Dongsheng, et al.
Veröffentlicht: (2022)

Stability of Primal-Dual Gradient Flow Dynamics for Multi-Block Convex Optimization Problems
von: Ozaslan, Ibrahim K., et al.
Veröffentlicht: (2024)

Sublinear Regret for a Class of Continuous-Time Linear-Quadratic Reinforcement Learning Problems
von: Huang, Yilie, et al.
Veröffentlicht: (2024)

Data-Driven Exploration for a Class of Continuous-Time Indefinite Linear--Quadratic Reinforcement Learning Problems
von: Huang, Yilie, et al.
Veröffentlicht: (2025)

Optimal Control Operator Perspective and a Neural Adaptive Spectral Method
von: Feng, Mingquan, et al.
Veröffentlicht: (2024)

Nonlinear Non-Gaussian Density Steering with Input and Noise Channel Mismatch: Sinkhorn with Memory for Solving the Control-affine Schrödinger Bridge Problem
von: Bondar, Georgiy A., et al.
Veröffentlicht: (2026)

Stochastic Learning of Computational Resource Usage as Graph Structured Multimarginal Schrödinger Bridge
von: Bondar, Georgiy A., et al.
Veröffentlicht: (2024)

Graph Neural Networks for the Offline Nanosatellite Task Scheduling Problem
von: Pacheco, Bruno Machado, et al.
Veröffentlicht: (2023)

Lyapunov Function Consistent Adaptive Network Signal Control with Back Pressure and Reinforcement Learning
von: Ma, Chaolun, et al.
Veröffentlicht: (2022)

Multi-Year Maintenance Planning for Large-Scale Infrastructure Systems: A Novel Network Deep Q-Learning Approach
von: Fard, Amir, et al.
Veröffentlicht: (2025)

Adaptive Neural-Operator Backstepping Control of a Benchmark Hyperbolic PDE
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

Gain Scheduling with a Neural Operator for a Transport PDE with Nonlinear Recirculation
von: Lamarque, Maxence, et al.
Veröffentlicht: (2024)

Parallel Differentiable Reachability for Learning and Planning with Certified Neural Dynamics and Controllers
von: Shen, Keyi, et al.
Veröffentlicht: (2026)

Neural-Rendezvous: Provably Robust Guidance and Control to Encounter Interstellar Objects
von: Tsukamoto, Hiroyasu, et al.
Veröffentlicht: (2022)

Lyapunov-stable Neural Control for State and Output Feedback: A Novel Formulation
von: Yang, Lujie, et al.
Veröffentlicht: (2024)

Benchmarking Reinforcement Learning via Stochastic Converse Optimality: Generating Systems with Known Optimal Policies
von: Ibrahim, Sinan, et al.
Veröffentlicht: (2026)

Action Dependency Graphs for Globally Optimal Coordinated Reinforcement Learning
von: Ding, Jianglin, et al.
Veröffentlicht: (2025)

Achieving Tighter Finite-Time Rates for Heterogeneous Federated Stochastic Approximation under Markovian Sampling
von: Zhu, Feng, et al.
Veröffentlicht: (2025)

Intersection of Reinforcement Learning and Bayesian Optimization for Intelligent Control of Industrial Processes: A Safe MPC-based DPG using Multi-Objective BO
von: Esfahani, Hossein Nejatbakhsh, et al.
Veröffentlicht: (2025)

PGLearn -- An Open-Source Learning Toolkit for Optimal Power Flow
von: Klamkin, Michael, et al.
Veröffentlicht: (2025)

gridfm-datakit-v1: A Python Library for Scalable and Realistic Power Flow and Optimal Power Flow Data Generation
von: Puech, Alban, et al.
Veröffentlicht: (2025)

Asynchronous Distributed Reinforcement Learning for LQR Control via Zeroth-Order Block Coordinate Descent
von: Jing, Gangshan, et al.
Veröffentlicht: (2021)

From Automation to Autonomy in Smart Manufacturing: A Bayesian Optimization Framework for Modeling Multi-Objective Experimentation and Sequential Decision Making
von: Asru, Avijit Saha, et al.
Veröffentlicht: (2025)

Faster Reinforcement Learning by Freezing Slow States
von: Wang, Yijia, et al.
Veröffentlicht: (2023)

ART for Diffusion Sampling: A Reinforcement Learning Approach to Timestep Schedule
von: Huang, Yilie, et al.
Veröffentlicht: (2026)

Infinite-Horizon Reach-Avoid Zero-Sum Games via Deep Reinforcement Learning
von: Li, Jingqi, et al.
Veröffentlicht: (2022)

Primitive Agentic First-Order Optimization
von: Sala, R.
Veröffentlicht: (2024)

Differentiable Distributionally Robust Optimization Layers
von: Ma, Xutao, et al.
Veröffentlicht: (2024)

Bucketized Active Sampling for Learning ACOPF
von: Klamkin, Michael, et al.
Veröffentlicht: (2022)

Generative AI and Process Systems Engineering: The Next Frontier
von: Decardi-Nelson, Benjamin, et al.
Veröffentlicht: (2024)

Co-Learning Port-Hamiltonian Systems and Optimal Energy-Shaping Control
von: Kamboj, Ankur, et al.
Veröffentlicht: (2026)

Hierarchical Deep Reinforcement Learning Framework for Multi-Year Asset Management Under Budget Constraints
von: Fard, Amir, et al.
Veröffentlicht: (2025)