Buchumschlag

Towards Continuous-Time Approximations for Stochastic Gradient Descent without Replacement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Perko, Stefan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Modified Equations for Stochastic Optimization
von: Perko, Stefan
Veröffentlicht: (2025)

Stochastic Differential Equations models for Least-Squares Stochastic Gradient Descent
von: Schertzer, Adrien, et al.
Veröffentlicht: (2024)

Limit Theorems for Stochastic Gradient Descent with Infinite Variance
von: Blanchet, Jose, et al.
Veröffentlicht: (2024)

Characterizing Dynamical Stability of Stochastic Gradient Descent in Overparameterized Learning
von: Chemnitz, Dennis, et al.
Veröffentlicht: (2024)

Controlling the Flow: Stability and Convergence for Stochastic Gradient Descent with Decaying Regularization
von: Kassing, Sebastian, et al.
Veröffentlicht: (2025)

Limit Theorems for Stochastic Gradient Descent in High-Dimensional Single-Layer Networks
von: Rangriz, Parsa
Veröffentlicht: (2025)

Algorithmic Stability of Stochastic Gradient Descent with Momentum under Heavy-Tailed Noise
von: Dang, Thanh, et al.
Veröffentlicht: (2025)

Exact Dynamics of Multi-class Stochastic Gradient Descent
von: Collins-Woodfin, Elizabeth, et al.
Veröffentlicht: (2025)

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

Type-II Saddles and Probabilistic Stability of Stochastic Gradient Descent
von: Ziyin, Liu, et al.
Veröffentlicht: (2023)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)

Stochastic Gradient Descent Revisited
von: Louzi, Azar
Veröffentlicht: (2024)

Decentralized Proximal Stochastic Gradient Langevin Dynamics
von: Islam, Mohammad Rafiqul, et al.
Veröffentlicht: (2026)

Steady-State Behavior of Constant-Stepsize Stochastic Approximation: Gaussian Approximation and Tail Bounds
von: Wang, Zedong, et al.
Veröffentlicht: (2026)

Approximation to Deep Q-Network by Stochastic Delay Differential Equations
von: Lu, Jianya, et al.
Veröffentlicht: (2025)

Decoupled Functional Central Limit Theorems for Two-Time-Scale Stochastic Approximation
von: Han, Yuze, et al.
Veröffentlicht: (2024)

Improved Finite-Particle Convergence Rates for Stein Variational Gradient Descent
von: Banerjee, Sayan, et al.
Veröffentlicht: (2024)

Stochastic Port-Hamiltonian Neural Networks: Universal Approximation with Passivity Guarantees
von: Di Persio, Luca, et al.
Veröffentlicht: (2026)

Exact Gradients for Stochastic Spiking Neural Networks Driven by Rough Signals
von: Holberg, Christian, et al.
Veröffentlicht: (2024)

Towards an Approximation Theory of Observable Operator Models
von: Anyszka, Wojciech
Veröffentlicht: (2024)

Convergence of Two Time-Scale Stochastic Approximation: A Martingale Approach
von: Vidyasagar, Mathukumalli
Veröffentlicht: (2026)

A General-Purpose Theorem for High-Probability Bounds of Stochastic Approximation with Polyak Averaging
von: Khodadadian, Sajad, et al.
Veröffentlicht: (2025)

Score matching for bridges without learning time-reversals
von: Baker, Elizabeth L., et al.
Veröffentlicht: (2024)

Flatness-Aware Stochastic Gradient Langevin Dynamics
von: Bruno, Stefano, et al.
Veröffentlicht: (2025)

Stochastic Gradient Descent in Non-Convex Problems: Asymptotic Convergence with Relaxed Step-Size via Stopping Time Methods
von: Jin, Ruinan, et al.
Veröffentlicht: (2025)

Markov Chain Variance Estimation: A Stochastic Approximation Approach
von: Agrawal, Shubhada, et al.
Veröffentlicht: (2024)

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

Concentration of General Stochastic Approximation Under Heavy-Tailed Markovian Noise
von: Agrawal, Shubhada, et al.
Veröffentlicht: (2026)

Differentially Private Stochastic Gradient Descent with Fixed-Size Minibatches: Tighter RDP Guarantees with or without Replacement
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2024)

Neural Continuous-Time Markov Chain: Discrete Diffusion via Decoupled Jump Timing and Direction
von: Li, Jingyuan, et al.
Veröffentlicht: (2026)

Annealed Stein Variational Gradient Descent for Improved Uncertainty Estimation in Full-Waveform Inversion
von: Corrales, Miguel, et al.
Veröffentlicht: (2024)

Analysing heavy-tail properties of Stochastic Gradient Descent by means of Stochastic Recurrence Equations
von: Damek, Ewa, et al.
Veröffentlicht: (2024)

Value Mirror Descent for Reinforcement Learning
von: Jia, Zhichao, et al.
Veröffentlicht: (2026)

Is Learning in Biological Neural Networks based on Stochastic Gradient Descent? An analysis using stochastic processes
von: Christensen, Sören, et al.
Veröffentlicht: (2023)

Stochastic Operator Network: A Stochastic Maximum Principle Based Approach to Operator Learning
von: Bausback, Ryan, et al.
Veröffentlicht: (2025)

Parameter Estimation in Stochastic Differential Equations via Wiener Chaos Expansion and Stochastic Gradient Descent
von: Delgado-Vences, Francisco, et al.
Veröffentlicht: (2026)

Stochastic Clock Attention for Aligning Continuous and Ordered Sequences
von: Soh, Hyungjoon, et al.
Veröffentlicht: (2025)

Gaussian Approximation for Asynchronous Q-learning
von: Rubtsov, Artemy, et al.
Veröffentlicht: (2026)

Interpretable Neural Approximation of Stochastic Reaction Dynamics with Guaranteed Reliability
von: Badolle, Quentin, et al.
Veröffentlicht: (2025)

Random-Bridges as Stochastic Transports for Generative Models
von: Goria, Stefano, et al.
Veröffentlicht: (2025)