Buchumschlag

Offline Policy Learning with Weight Clipping and Heaviside Composite Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Jingren, Qin, Hanzhang, Liu, Junyi, Chou, Mabel C., Pang, Jong-Shi
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

Online Resource Allocation with Non-Stationary Customers
von: Zhang, Xiaoyue, et al.
Veröffentlicht: (2024)

Classification and Treatment Learning with Constraints via Composite Heaviside Optimization: a Progressive MIP Method
von: Fang, Yue, et al.
Veröffentlicht: (2024)

Solving Constrained Affine Heaviside Composite Optimization Problems by a Progressive IP Approach
von: Zheng, Ke, et al.
Veröffentlicht: (2026)

Heaviside Low-Rank Support Matrix Machine
von: Xiu, Xianchao, et al.
Veröffentlicht: (2026)

Clipped Gradient Methods for Nonsmooth Convex Optimization under Heavy-Tailed Noise: A Refined Analysis
von: Liu, Zijian
Veröffentlicht: (2025)

Nonconvex Stochastic Optimization under Heavy-Tailed Noises: Optimal Convergence without Gradient Clipping
von: Liu, Zijian, et al.
Veröffentlicht: (2024)

Non-Asymptotic Global Convergence of PPO-Clip
von: Liu, Yin, et al.
Veröffentlicht: (2025)

Adaptive Learning-based Surrogate Method for Stochastic Programs with Implicitly Decision-dependent Uncertainty
von: Shen, Boyang, et al.
Veröffentlicht: (2025)

Offline Reinforcement Learning via Inverse Optimization
von: Dimanidis, Ioannis, et al.
Veröffentlicht: (2025)

Compressed Proximal Federated Learning for Non-Convex Composite Optimization on Heterogeneous Data
von: Qiu, Pu, et al.
Veröffentlicht: (2026)

Offline Hierarchical Reinforcement Learning via Inverse Optimization
von: Schmidt, Carolin, et al.
Veröffentlicht: (2024)

Differentially Private Clipped-SGD: High-Probability Convergence with Arbitrary Clipping Level
von: Khah, Saleh Vatan, et al.
Veröffentlicht: (2025)

Tight Long-Term Tail Decay of (Clipped) SGD in Non-Convex Optimization
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2026)

Methods for Convex $(L_0,L_1)$-Smooth Optimization: Clipping, Acceleration, and Adaptivity
von: Gorbunov, Eduard, et al.
Veröffentlicht: (2024)

Robust Implicit Regularization via Weight Normalization
von: Chou, Hung-Hsu, et al.
Veröffentlicht: (2023)

Statistical Robustness of Interval CVaR Based Regression Models under Perturbation and Contamination
von: You, Yulei, et al.
Veröffentlicht: (2026)

Revisiting Gradient Normalization and Clipping for Nonconvex SGD under Heavy-Tailed Noise: Necessity, Sufficiency, and Acceleration
von: Sun, Tao, et al.
Veröffentlicht: (2024)

Second-order Optimization under Heavy-Tailed Noise: Hessian Clipping and Sample Complexity Limits
von: Sadiev, Abdurakhmon, et al.
Veröffentlicht: (2025)

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

Double Duality: Variational Primal-Dual Policy Optimization for Constrained Reinforcement Learning
von: Li, Zihao, et al.
Veröffentlicht: (2024)

Convergence of Clipped-SGD for Convex $(L_0,L_1)$-Smooth Optimization with Heavy-Tailed Noise
von: Chezhegov, Savelii, et al.
Veröffentlicht: (2025)

A Weighted Gradient Tracking Privacy-Preserving Method for Distributed Optimization
von: Xie, Furan, et al.
Veröffentlicht: (2025)

Residuals-based Offline Reinforcement Learning
von: Zhu, Qing, et al.
Veröffentlicht: (2026)

Robust and Fast Training via Per-Sample Clipping
von: Nobile, Davide, et al.
Veröffentlicht: (2026)

From Gradient Clipping to Normalization for Heavy Tailed SGD
von: Hübler, Florian, et al.
Veröffentlicht: (2024)

Parameter-free Clipped Gradient Descent Meets Polyak
von: Takezawa, Yuki, et al.
Veröffentlicht: (2024)

Online Residual Learning from Offline Experts for Pedestrian Tracking
von: Vlachos, Anastasios, et al.
Veröffentlicht: (2024)

Data-driven Piecewise Affine Decision Rules for Stochastic Programming with Covariate Information
von: Zhang, Yiyang, et al.
Veröffentlicht: (2023)

Clipped SGD Algorithms for Performative Prediction: Tight Bounds for Clipping Bias and Remedies
von: Li, Qiang, et al.
Veröffentlicht: (2024)

Regularized Gradient Clipping Provably Trains Wide and Deep Neural Networks
von: Tucat, Matteo, et al.
Veröffentlicht: (2024)

Double Momentum and Error Feedback for Clipping with Fast Rates and Differential Privacy
von: Islamov, Rustem, et al.
Veröffentlicht: (2025)

Efficient Private SCO for Heavy-Tailed Data via Averaged Clipping
von: Jin, Chenhan, et al.
Veröffentlicht: (2022)

A Compositional Kernel Model for Feature Learning
von: Ruan, Feng, et al.
Veröffentlicht: (2025)

Adaptive Federated Minimax Optimization with Lower Complexities
von: Huang, Feihu, et al.
Veröffentlicht: (2022)

Offline-Online Reinforcement Learning for Linear Mixture MDPs
von: Zhang, Zhongjun, et al.
Veröffentlicht: (2026)

Reward-Relevance-Filtered Linear Offline Reinforcement Learning
von: Zhou, Angela
Veröffentlicht: (2024)

Stochastic Compositional Optimization with Compositional Constraints
von: Yang, Shuoguang, et al.
Veröffentlicht: (2022)

Operator Models for Continuous-Time Offline Reinforcement Learning
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2025)

Achieving Linear Speedup for Composite Federated Learning
von: Huang, Kun, et al.
Veröffentlicht: (2026)

Gradient Clipping Beyond Vector Norms: A Spectral Approach for Matrix-Valued Parameters
von: Yukhimchuk, Alexander, et al.
Veröffentlicht: (2026)