Buchumschlag

Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aolaritei, Liviu, Jordan, Michael I.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Optimization and Control Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stochastic Optimization with Optimal Importance Sampling
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)

High-probability Convergence Bounds for Nonlinear Stochastic Gradient Descent Under Heavy-tailed Noise
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2023)

Implicit Regularization for Tubal Tensor Factorizations via Gradient Descent
von: Karnik, Santhosh, et al.
Veröffentlicht: (2024)

Gradient Equilibrium in Online Learning: Theory and Applications
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Estimation in High Dimensions: Performance Analysis and Optimal Hyperparameter Tuning
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2022)

On Regularization via Early Stopping for Least Squares Regression
von: Sonthalia, Rishi, et al.
Veröffentlicht: (2024)

Anytime Acceleration of Gradient Descent
von: Zhang, Zihan, et al.
Veröffentlicht: (2024)

Probabilistic Guarantees of Stochastic Recursive Gradient in Non-Convex Finite Sum Problems
von: Zhong, Yanjie, et al.
Veröffentlicht: (2024)

Early Stopping in Contextual Bandits and Inferences
von: Cui, Zihan
Veröffentlicht: (2025)

A Novel Framework for Policy Mirror Descent with General Parameterization and Linear Convergence
von: Alfano, Carlo, et al.
Veröffentlicht: (2023)

Open Problem: Anytime Convergence Rate of Gradient Descent
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

Decentralized Sparse Linear Regression via Gradient-Tracking: Linear Convergence and Statistical Guarantees
von: Maros, Marie, et al.
Veröffentlicht: (2022)

Hyperparameter tuning via trajectory predictions: Stochastic prox-linear methods in matrix sensing
von: Lou, Mengqi, et al.
Veröffentlicht: (2024)

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

Gradient Projection onto Historical Descent Directions for Communication-Efficient Federated Learning
von: Descours, Arnaud, et al.
Veröffentlicht: (2025)

A connection between Tempering and Entropic Mirror Descent
von: Chopin, Nicolas, et al.
Veröffentlicht: (2023)

On the Uniform Convergence of Subdifferentials in Stochastic Optimization and Learning
von: Ruan, Feng
Veröffentlicht: (2024)

The Collusion of Memory and Nonlinearity in Stochastic Approximation With Constant Stepsize
von: Huo, Dongyan, et al.
Veröffentlicht: (2024)

$K$-Nearest-Neighbor Resampling for Off-Policy Evaluation in Stochastic Control
von: Giegrich, Michael, et al.
Veröffentlicht: (2023)

The High Line: Exact Risk and Learning Rate Curves of Stochastic Adaptive Learning Rate Algorithms
von: Collins-Woodfin, Elizabeth, et al.
Veröffentlicht: (2024)

Stochastic Smoothed Gradient Descent Ascent for Federated Minimax Optimization
von: Shen, Wei, et al.
Veröffentlicht: (2023)

On Gradient Descent Ascent for Nonconvex-Concave Minimax Problems
von: Lin, Tianyi, et al.
Veröffentlicht: (2019)

Function Gradient Approximation with Random Shallow ReLU Networks with Control Applications
von: Lamperski, Andrew, et al.
Veröffentlicht: (2024)

Kernel Mean Embedding Topology: Weak and Strong Forms for Stochastic Kernels and Implications for Model Learning
von: Saldi, Naci, et al.
Veröffentlicht: (2025)

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

Two-Timescale Gradient Descent Ascent Algorithms for Nonconvex Minimax Optimization
von: Lin, Tianyi, et al.
Veröffentlicht: (2024)

Stochastic Adaptive Gradient Descent Without Descent
von: Aujol, Jean-François, et al.
Veröffentlicht: (2025)

Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation
von: Cai, Yang, et al.
Veröffentlicht: (2023)

Online Inference of Constrained Optimization: Primal-Dual Optimality and Sequential Quadratic Programming
von: Gao, Yihang, et al.
Veröffentlicht: (2025)

Failures and Successes of Cross-Validation for Early-Stopped Gradient Descent
von: Patil, Pratik, et al.
Veröffentlicht: (2024)

Tropical Gradient Descent
von: Talbut, Roan, et al.
Veröffentlicht: (2024)

Nash Equilibria, Regularization and Computation in Optimal Transport-Based Distributionally Robust Optimization
von: Shafiee, Soroosh, et al.
Veröffentlicht: (2023)

Robustly Learning Monotone Generalized Linear Models via Data Augmentation
von: Zarifis, Nikos, et al.
Veröffentlicht: (2025)

Algorithms for mean-field variational inference via polyhedral optimization in the Wasserstein space
von: Jiang, Yiheng, et al.
Veröffentlicht: (2023)

Frequentist Regret Analysis of Gaussian Process Thompson Sampling via Fractional Posteriors
von: Roy, Somjit, et al.
Veröffentlicht: (2026)

Joint learning of a network of linear dynamical systems via total variation penalization
von: Donnat, Claire, et al.
Veröffentlicht: (2025)

Convergence of flow-based generative models via proximal gradient descent in Wasserstein space
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2023)

Gradient descent inference in empirical risk minimization
von: Han, Qiyang, et al.
Veröffentlicht: (2024)

Learning the Uncertainty Sets for Control Dynamics via Set Membership: A Non-Asymptotic Analysis
von: Li, Yingying, et al.
Veröffentlicht: (2023)

Conformal Prediction under Levy-Prokhorov Distribution Shifts: Robustness to Local and Global Perturbations
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)