Buchumschlag

Concave Certificates: Geometric Framework for Distributionally Robust Risk and Complexity Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chu, Hong T. M.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Machine Learning 90C17(Primary) 90C15, 68Q25(Secondary)
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Inexact Halpern Iteration with Application to Distributionally Robust Optimization
von: Liang, Ling, et al.
Veröffentlicht: (2024)

Analysis of Kernel Mirror Prox for Measure Optimization
von: Dvurechensky, Pavel, et al.
Veröffentlicht: (2024)

The Complexity Landscape of Two-Stage Robust Selection Problems with Budgeted Uncertainty
von: Goerigk, Marc, et al.
Veröffentlicht: (2026)

Policy Optimization over General State and Action Spaces
von: Ju, Caleb, et al.
Veröffentlicht: (2022)

Don't Look Back in Anger: Wasserstein Distributionally Robust Optimization with Nonstationary Data
von: Keehan, Dominic S. T., et al.
Veröffentlicht: (2025)

Universal Complexity Bounds for Universal Gradient Methods in Nonlinear Optimization
von: Nesterov, Yurii
Veröffentlicht: (2025)

Online Convex Optimization Using Coordinate Descent Algorithms
von: Lin, Yankai, et al.
Veröffentlicht: (2022)

Solving Min-Cost Concave Generalized Dynamic Flows and Approximating Dynamic Optimal Power Flows
von: Rothschild, Jacob H.
Veröffentlicht: (2024)

How a Small Amount of Data Sharing Benefits Distributed Optimization and Learning : The Upside of Data Heterogeneity
von: Zhu, Mingxi, et al.
Veröffentlicht: (2022)

Improved Regret Guarantees for Online Mirror Descent using a Portfolio of Mirror Maps
von: Gupta, Swati, et al.
Veröffentlicht: (2026)

Topological structure and a polynomial-time solution of linear programming over the real numbers
von: Wei, Jing-Yuan
Veröffentlicht: (2018)

A non-iterative polynomial algorithm for linear programming
von: Jing-Yuan, Wei
Veröffentlicht: (2013)

The rate of convergence of Bregman proximal methods: Local geometry vs. regularity vs. sharpness
von: Azizian, Waïss, et al.
Veröffentlicht: (2022)

Wall-Clock Complexity for Zeroth-Order Optimization with Tunable Oracle Fidelity
von: Suvorikova, Alexandra, et al.
Veröffentlicht: (2026)

Penalty-Free SDDP: Feasibility Cuts for Robust Multi-Stage Stochastic Optimization in Energy Planning
von: Freitas, Guilherme, et al.
Veröffentlicht: (2025)

Kurdyka-Łojasiewicz exponent via Hadamard parametrization
von: Ouyang, Wenqing, et al.
Veröffentlicht: (2024)

Kurdyka-Łojasiewicz exponent via square transformation
von: Ouyang, Wenqing
Veröffentlicht: (2025)

Halpern Acceleration of the Inexact Proximal Point Method of Rockafellar
von: Zhang, Liwei, et al.
Veröffentlicht: (2025)

Accelerating preconditioned ADMM via degenerate proximal point mappings
von: Sun, Defeng, et al.
Veröffentlicht: (2024)

On the Curvature of the Central Path of Linear Programming Theory
von: Dedieu, Jean-Pierre, et al.
Veröffentlicht: (2003)

DualFL: A Duality-based Federated Learning Algorithm with Communication Acceleration in the General Convex Regime
von: Park, Jongho, et al.
Veröffentlicht: (2023)

On the Wasserstein alignment problem
von: Pal, Soumik, et al.
Veröffentlicht: (2025)

The global convergence time of stochastic gradient descent in non-convex landscapes: Sharp estimates via large deviations
von: Azizian, Waïss, et al.
Veröffentlicht: (2025)

Predict-then-Calibrate: A New Perspective of Robust Contextual LP
von: Sun, Chunlin, et al.
Veröffentlicht: (2023)

Stochastic Approximation with Decision-Dependent Distributions: Asymptotic Normality and Optimality
von: Cutler, Joshua, et al.
Veröffentlicht: (2022)

Exactness and Effective Degree Bound of Lasserre's Relaxation for Polynomial Optimization over Finite Variety
von: Hua, Zheng, et al.
Veröffentlicht: (2021)

On the hardness of deciding the finite convergence of Lasserre hierarchies
von: Vargas, Luis Felipe
Veröffentlicht: (2024)

Exact Solution to Data-Driven Inverse Optimization of MILPs in Finite Time via Gradient-Based Methods
von: Kitaoka, Akira
Veröffentlicht: (2024)

CompressedScaffnew: The First Theoretical Double Acceleration of Communication from Local Training and Compression in Distributed Optimization
von: Condat, Laurent, et al.
Veröffentlicht: (2022)

On the resolution of $\ell_1$-norm minimization via a two-metric adaptive projection method
von: Wu, Hanju, et al.
Veröffentlicht: (2025)

Harnessing Inferior Solutions For Superior Outcomes: Obtaining Robust Solutions From Quantum Algorithms
von: Halffmann, Pascal, et al.
Veröffentlicht: (2024)

What is the long-run distribution of stochastic gradient descent? A large deviations analysis
von: Azizian, Waïss, et al.
Veröffentlicht: (2024)

A Gauge Set Framework for Flexible Robustness Design
von: Wei, Ningji, et al.
Veröffentlicht: (2025)

A Highly Efficient Adaptive-Sieving-Based Algorithm for the High-Dimensional Rank Lasso Problem
von: Bai, Xiaoning, et al.
Veröffentlicht: (2022)

A Structured Proximal Stochastic Variance Reduced Zeroth-order Algorithm
von: Rando, Marco, et al.
Veröffentlicht: (2025)

Parameterized Complexity of Stationarity Testing for Piecewise-Affine Functions and Shallow CNN Losses
von: Ye, Yuhan
Veröffentlicht: (2026)

Exponential convergence rates for momentum stochastic gradient descent in the overparametrized setting
von: Gess, Benjamin, et al.
Veröffentlicht: (2023)

Learning Decision-Sufficient Representations for Linear Optimization
von: Ye, Yuhan, et al.
Veröffentlicht: (2026)

Uncomputability of Global Optima for Nonconvex Functions in the Oracle Model
von: Lakshmanan, K
Veröffentlicht: (2023)

A constraint-based approach to function interpolation, with application to performance estimation for weakly convex optimisation
von: Rubbens, Anne, et al.
Veröffentlicht: (2024)