Buchumschlag

Manifold constrained steepest descent

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Kaiwei, Lai, Lexiao
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

Improvements to steepest descent method for multi-objective optimization
von: Chen, Wang, et al.
Veröffentlicht: (2023)

On exploration of an interior mirror descent flow for stochastic nonconvex constrained problem
von: Ding, Kuangyu, et al.
Veröffentlicht: (2025)

Stability of first-order methods in tame optimization
von: Lai, Lexiao
Veröffentlicht: (2024)

Nonsmooth rank-one symmetric matrix factorization landscape
von: Josz, Cédric, et al.
Veröffentlicht: (2024)

Global convergence of $W^{1,\infty}$-steepest descent for PDE constrained shape optimisation with semilinear elliptic equations in function space
von: Deckelnick, Klaus, et al.
Veröffentlicht: (2026)

Learning mirror maps in policy mirror descent
von: Alfano, Carlo, et al.
Veröffentlicht: (2024)

Riemannian coordinate descent algorithms on matrix manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Quasi-Newton method of Optimization is proved to be a steepest descent method under the ellipsoid norm
von: Li, Jiongcheng
Veröffentlicht: (2024)

Gradient descent in matrix factorization: Understanding large initialization
von: Chen, Hengchao, et al.
Veröffentlicht: (2023)

New logarithmic step size for stochastic gradient descent
von: Shamaee, M. Soheil, et al.
Veröffentlicht: (2024)

Iterative regularization in classification via hinge loss diagonal descent
von: Apidopoulos, Vassilis, et al.
Veröffentlicht: (2022)

On the global convergence of gradient descent for wide shallow models with bounded nonlinearities
von: Petit, Romain, et al.
Veröffentlicht: (2026)

The duality structure gradient descent algorithm: analysis and applications to neural networks
von: Flynn, Thomas
Veröffentlicht: (2017)

The Mixing method: low-rank coordinate descent for semidefinite programming with diagonal constraints
von: Wang, Po-Wei, et al.
Veröffentlicht: (2017)

On the stability of gradient descent with second order dynamics for time-varying cost functions
von: Gibson, Travis E., et al.
Veröffentlicht: (2024)

Convergence of continuous-time stochastic gradient descent with applications to deep neural networks
von: Lugosi, Gabor, et al.
Veröffentlicht: (2024)

Error dynamics of mini-batch gradient descent with random reshuffling for least squares regression
von: Lok, Jackie, et al.
Veröffentlicht: (2024)

Linear convergence of proximal descent schemes on the Wasserstein space
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

Convergence of stochastic gradient descent under a local Lojasiewicz condition for deep neural networks
von: An, Jing, et al.
Veröffentlicht: (2023)

Certifying optimality in nonconvex robust PCA
von: Gong, Pinxi, et al.
Veröffentlicht: (2026)

Convergence of the momentum method for semialgebraic functions with locally Lipschitz gradients
von: Josz, Cédric, et al.
Veröffentlicht: (2023)

Proximal random reshuffling under local Lipschitz continuity
von: Josz, Cedric, et al.
Veröffentlicht: (2024)

Mirror Descent on Riemannian Manifolds
von: Jiang, Jiaxin, et al.
Veröffentlicht: (2026)

A stochastic gradient descent algorithm with random search directions
von: Gbaguidi, Eméric
Veröffentlicht: (2025)

Convergence of a steepest descent algorithm in shape optimisation using $W^{1,\infty}$ functions
von: Deckelnick, Klaus, et al.
Veröffentlicht: (2023)

An accelerated first-order regularized momentum descent ascent algorithm for stochastic nonconvex-concave minimax problems
von: Zhang, Huiling, et al.
Veröffentlicht: (2023)

Distributed Thompson sampling under constrained communication
von: Zerefa, Saba, et al.
Veröffentlicht: (2024)

Alignment of large language models with constrained learning
von: Zhang, Botong, et al.
Veröffentlicht: (2025)

Fréchet Regression on the Bures-Wasserstein Manifold
von: Nguyen, Duc Toan, et al.
Veröffentlicht: (2026)

Learning based convex approximation for constrained parametric optimization
von: Liu, Kang, et al.
Veröffentlicht: (2025)

A short proof of near-linear convergence of adaptive gradient descent under fourth-order growth and convexity
von: Davis, Damek, et al.
Veröffentlicht: (2026)

A block-coordinate descent framework for non-convex composite optimization. Application to sparse precision matrix estimation
von: Lauga, Guillaume
Veröffentlicht: (2026)

The inexact power augmented Lagrangian method for constrained nonconvex optimization
von: Bodard, Alexander, et al.
Veröffentlicht: (2024)

A constrained optimization approach to improve robustness of neural networks
von: Zhao, Shudian, et al.
Veröffentlicht: (2024)

A safe exploration approach to constrained Markov decision processes
von: Ni, Tingting, et al.
Veröffentlicht: (2023)

A Framework for Bilevel Optimization on Riemannian Manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Intrinsic Gaussian Processes on Manifolds and Their Accelerations by Symmetry
von: Ye, Ke, et al.
Veröffentlicht: (2020)

Geometry-Preserving Neural Architectures on Manifolds with Boundary
von: Elamvazhuthi, Karthik, et al.
Veröffentlicht: (2026)

Non-convergence to global minimizers for Adam and stochastic gradient descent optimization and constructions of local minimizers in the training of artificial neural networks
von: Jentzen, Arnulf, et al.
Veröffentlicht: (2024)

Block majorization-minimization with diminishing radius for constrained nonsmooth nonconvex optimization
von: Lyu, Hanbaek, et al.
Veröffentlicht: (2020)