Buchumschlag

Provably Finding a Hidden Dense Submatrix among Many Planted Dense Submatrices via Convex Programming

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Olanubi, Valentine, Agar, Phineas, Ames, Brendan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deflation-Free Optimal Scoring
von: Afroz, Sharmin, et al.
Veröffentlicht: (2026)

Provable Reduction in Communication Rounds for Non-Smooth Convex Federated Learning
von: Palenzuela, Karlo, et al.
Veröffentlicht: (2025)

LSTM-Based Forecasting and Analysis of EV Charging Demand in a Dense Urban Campus
von: Ressler, Zak, et al.
Veröffentlicht: (2025)

An Efficient Unsupervised Framework for Convex Quadratic Programs via Deep Unrolling
von: Yang, Linxin, et al.
Veröffentlicht: (2024)

Online Learning on Hidden-Convex Losses via Algorithmic Equivalence: Optimal Regret, Geometric Barrier, and Bandit Feedback
von: Barakat, Anas, et al.
Veröffentlicht: (2026)

Nesterov Finds GRAAL: Optimal and Adaptive Gradient Method for Convex Optimization
von: Borodich, Ekaterina, et al.
Veröffentlicht: (2025)

Hidden Convexity of Fair PCA and Fast Solver via Eigenvalue Optimization
von: Shen, Junhui, et al.
Veröffentlicht: (2025)

Provable Complexity Improvement of AdaGrad over SGD: Upper and Lower Bounds in Stochastic Non-Convex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Finding Maximum Determinant Principal Submatrices via Hadamard Bounds and Projection Methods
von: Hu, Hao, et al.
Veröffentlicht: (2025)

Provable Non-Convex Euclidean Distance Matrix Completion: Geometry, Reconstruction, and Robustness
von: Smith, Chandler, et al.
Veröffentlicht: (2025)

Disciplined Geodesically Convex Programming
von: Cheng, Andrew, et al.
Veröffentlicht: (2024)

Provably Faster Algorithms for Bilevel Optimization via Without-Replacement Sampling
von: Li, Junyi, et al.
Veröffentlicht: (2024)

Are Convex Optimization Curves Convex?
von: Barzilai, Guy, et al.
Veröffentlicht: (2025)

Generative Neural Operators of Log-Complexity Can Simultaneously Solve Infinitely Many Convex Programs
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

The Computational Complexity of Finding Stationary Points in Non-Convex Optimization
von: Hollender, Alexandros, et al.
Veröffentlicht: (2023)

Parametric Nonconvex Optimization via Convex Surrogates
von: Wang, Renzi, et al.
Veröffentlicht: (2026)

Provably Convergent Federated Trilevel Learning
von: Jiao, Yang, et al.
Veröffentlicht: (2023)

Provably Efficient Exploration in Policy Optimization
von: Cai, Qi, et al.
Veröffentlicht: (2019)

Online (Non-)Convex Learning via Tempered Optimism
von: Haddouche, Maxime, et al.
Veröffentlicht: (2023)

Solving Dense Linear Systems Faster Than via Preconditioning
von: Dereziński, Michał, et al.
Veröffentlicht: (2023)

Learning Provably Improves the Convergence of Gradient Descent
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Muon is Provably Faster with Momentum Variance Reduction
von: Qian, Xun, et al.
Veröffentlicht: (2025)

MGDA Converges under Generalized Smoothness, Provably
von: Zhang, Qi, et al.
Veröffentlicht: (2024)

Provable Mixed-Noise Learning with Flow-Matching
von: Hagemann, Paul, et al.
Veröffentlicht: (2025)

A Provably-Correct and Robust Convex Model for Smooth Separable NMF
von: Pan, Junjun, et al.
Veröffentlicht: (2025)

RedEx: Beyond Fixed Representation Methods via Convex Optimization
von: Daniely, Amit, et al.
Veröffentlicht: (2024)

On the Provable Suboptimality of Momentum SGD in Nonstationary Stochastic Optimization
von: Sahu, Sharan, et al.
Veröffentlicht: (2026)

Provable Adaptivity of Adam under Non-uniform Smoothness
von: Wang, Bohan, et al.
Veröffentlicht: (2022)

SpectraLDS: Provable Distillation for Linear Dynamical Systems
von: Shah, Devan, et al.
Veröffentlicht: (2025)

Stochastic Compositional Minimax Optimization with Provable Convergence Guarantees
von: Deng, Yuyang, et al.
Veröffentlicht: (2024)

Provably data-driven projection method for quadratic programming
von: Nguyen, Anh Tuan, et al.
Veröffentlicht: (2025)

Provable Exactness for Asymmetric Low-Rank SDP Learning
von: Hu, Enliang
Veröffentlicht: (2018)

Bandit Convex Optimisation
von: Lattimore, Tor
Veröffentlicht: (2024)

Damped Proximal Augmented Lagrangian Method for weakly-Convex Problems with Convex Constraints
von: Dahal, Hari, et al.
Veröffentlicht: (2023)

Mathematical Programming Algorithms for Convex Hull Approximation with a Hyperplane Budget
von: Barbato, Michele, et al.
Veröffentlicht: (2024)

Exact Instance Compression for Convex Empirical Risk Minimization via Color Refinement
von: Zhu, Bryan, et al.
Veröffentlicht: (2026)

DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression
von: Myhre, Sveinung
Veröffentlicht: (2025)

On The Concurrence of Layer-wise Preconditioning Methods and Provable Feature Learning
von: Zhang, Thomas T., et al.
Veröffentlicht: (2025)

Momentum Benefits Non-IID Federated Learning Simply and Provably
von: Cheng, Ziheng, et al.
Veröffentlicht: (2023)

Stochastic Extragradient with Flip-Flop Shuffling & Anchoring: Provable Improvements
von: Chae, Jiseok, et al.
Veröffentlicht: (2024)