Buchumschlag

A brief note on learning problem with global perspectives

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Befekadu, Getachew K.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On characterizing optimal learning trajectories in a class of learning problems
von: Befekadu, Getachew K
Veröffentlicht: (2025)

A naive aggregation algorithm for improving generalization in a class of learning problems
von: Befekadu, Getachew K
Veröffentlicht: (2024)

A successive approximation method in functional spaces for hierarchical optimal control problems and its application to learning
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

On improving generalization in a class of learning problems with the method of small parameters for weakly-controlled optimal gradient systems
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

Embedding generalization within the learning dynamics: An approach based-on sample path large deviation theory
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

A new perspective on the learning dynamics for a class of learning problems via averaged gradient systems coupled with diffusion-transmutation processes
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

Further extensions on the successive approximation method for hierarchical optimal control problems and its application to learning
von: Befekadu, Getachew K.
Veröffentlicht: (2024)

A decision-theoretic model for a principal-agent collaborative learning problem
von: Befekadu, Getachew K
Veröffentlicht: (2024)

Simulation-based Bayesian inference with ameliorative learned summary statistics -- Part I
von: Befekadu, Getachew K.
Veröffentlicht: (2026)

A primal-dual perspective for distributed TD-learning
von: Lim, Han-Dong, et al.
Veröffentlicht: (2023)

On the influence of dependent features in classification problems: a game-theoretic perspective
von: Davila-Pena, Laura, et al.
Veröffentlicht: (2024)

A note on continuous-time online learning
von: Ying, Lexing
Veröffentlicht: (2024)

A note on convergence of Wasserstein policy optimization
von: Šiška, David, et al.
Veröffentlicht: (2026)

A new perspective on low-rank optimization
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2021)

Integrated trucks assignment and scheduling problem with mixed service mode docks: A Q-learning based adaptive large neighborhood search algorithm
von: Li, Yueyi, et al.
Veröffentlicht: (2024)

A unified perspective on fine-tuning and sampling with diffusion and flow models
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2026)

Full error analysis of policy gradient learning algorithms for exploratory linear quadratic mean-field control problem in continuous time with common noise
von: Frikha, Noufel, et al.
Veröffentlicht: (2024)

Regret Analysis: a control perspective
von: Gibson, Travis E., et al.
Veröffentlicht: (2025)

An optimal control perspective on diffusion-based generative modeling
von: Berner, Julius, et al.
Veröffentlicht: (2022)

Continuous-time q-learning for mean-field control problems
von: Wei, Xiaoli, et al.
Veröffentlicht: (2023)

A survey on secure decentralized optimization and learning
von: Liu, Changxin, et al.
Veröffentlicht: (2024)

A framework for bilevel optimization that enables stochastic and global variance reduction algorithms
von: Dagréou, Mathieu, et al.
Veröffentlicht: (2022)

Proximal basin hopping: global optimization with guarantees
von: Lauga, Guillaume, et al.
Veröffentlicht: (2026)

An active learning method for solving competitive multi-agent decision-making and control problems
von: Fabiani, Filippo, et al.
Veröffentlicht: (2022)

A practical, fast method for solving sum-of-squares problems for very large polynomials
von: Keren, Daniel, et al.
Veröffentlicht: (2024)

Residual subspace evolution strategies for nonlinear inverse problems
von: Alemanno, Francesco
Veröffentlicht: (2025)

Avoiding strict saddle points of nonconvex regularized problems
von: Bai, Luwei, et al.
Veröffentlicht: (2024)

Finite sample learning of moving targets
von: Vertovec, Nikolaus, et al.
Veröffentlicht: (2024)

Risk-averse learning with delayed feedback
von: Wang, Siyi, et al.
Veröffentlicht: (2024)

Restarted contractive operators to learn at equilibrium
von: Davy, Leo, et al.
Veröffentlicht: (2025)

What is the objective of reasoning with reinforcement learning?
von: Davis, Damek, et al.
Veröffentlicht: (2025)

Distributed optimization: designed for federated learning
von: Guo, Wenyou, et al.
Veröffentlicht: (2025)

Meta-reinforcement learning with minimum attention
von: Gupta, Shashank, et al.
Veröffentlicht: (2025)

A learning-based mathematical programming formulation for the automatic configuration of optimization solvers
von: Iommazzo, Gabriele, et al.
Veröffentlicht: (2024)

A reinforcement learning agent for maintenance of deteriorating systems with increasingly imperfect repairs
von: Marugán, Alberto Pliego, et al.
Veröffentlicht: (2025)

Conditionally adaptive augmented Lagrangian method for physics-informed learning of forward and inverse problems
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

Bayesian inverse Navier-Stokes problems: joint flow field reconstruction and parameter learning
von: Kontogiannis, Alexandros, et al.
Veröffentlicht: (2024)

Formulations and scalability of neural network surrogates in nonlinear optimization problems
von: Parker, Robert B., et al.
Veröffentlicht: (2024)

An analysis of optimization problems involving ReLU neural networks
von: Plate, Christoph, et al.
Veröffentlicht: (2025)

Regularized Q-learning through Robust Averaging
von: Schmitt-Förster, Peter, et al.
Veröffentlicht: (2024)