Buchumschlag

Solving Stochastic Variational Inequalities without the Bounded Variance Assumption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alacaoglu, Ahmet, Kim, Jun-Hyun
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

Towards Weaker Variance Assumptions for Stochastic Optimization
von: Alacaoglu, Ahmet, et al.
Veröffentlicht: (2025)

Stochastic Smoothed Primal-Dual Algorithms for Nonconvex Optimization with Linear Inequality Constraints
von: Huang, Ruichuan, et al.
Veröffentlicht: (2025)

Revisiting Inexact Fixed-Point Iterations for Min-Max Problems: Stochasticity and Structured Nonconvexity
von: Alacaoglu, Ahmet, et al.
Veröffentlicht: (2024)

Convergence Rate of the Last Iterate of Stochastic Proximal Algorithms
von: Vaidyan, Kevin Kurian Thomas, et al.
Veröffentlicht: (2026)

Breaking the Stochasticity Barrier: An Adaptive Variance-Reduced Method for Variational Inequalities
von: Jeong, Yungi, et al.
Veröffentlicht: (2026)

Adaptive Variance Reduction for Stochastic Optimization under Weaker Assumptions
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Solving Hidden Monotone Variational Inequalities with Surrogate Losses
von: D'Orazio, Ryan, et al.
Veröffentlicht: (2024)

Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits
von: Di, Qiwei, et al.
Veröffentlicht: (2023)

Parameter-Free Non-Ergodic Extragradient Algorithms for Solving Monotone Variational Inequalities
von: Shen, Lingqing, et al.
Veröffentlicht: (2026)

First-order methods for Stochastic Variational Inequality problems with Function Constraints
von: Boob, Digvijay, et al.
Veröffentlicht: (2023)

On Convergence of Adam for Stochastic Optimization under Relaxed Assumptions
von: Hong, Yusu, et al.
Veröffentlicht: (2024)

High-Probability Convergence for Composite and Distributed Stochastic Minimization and Variational Inequalities with Heavy-Tailed Noise
von: Gorbunov, Eduard, et al.
Veröffentlicht: (2023)

On the Hypomonotone Class of Variational Inequalities
von: Alomar, Khaled, et al.
Veröffentlicht: (2024)

Stochastic Gradient Langevin Dynamics with Variance Reduction
von: Huang, Zhishen, et al.
Veröffentlicht: (2021)

Decentralized Non-convex Stochastic Optimization with Heterogeneous Variance
von: Chen, Hongxu, et al.
Veröffentlicht: (2026)

Beyond Bounded Variance: Variance-Reduced Normalized Methods for Nonconvex Optimization under Blum-Gladyshev Noise
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2026)

A Stochastic-Gradient-based Interior-Point Algorithm for Solving Smooth Bound-Constrained Optimization Problems
von: Curtis, Frank E., et al.
Veröffentlicht: (2023)

Gradient Estimation and Variance Reduction in Stochastic and Deterministic Models
von: Keane, Ronan
Veröffentlicht: (2024)

TRSVR: An Adaptive Stochastic Trust-Region Method with Variance Reduction
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

Private Algorithms for Stochastic Saddle Points and Variational Inequalities: Beyond Euclidean Geometry
von: Bassily, Raef, et al.
Veröffentlicht: (2024)

Unified Convergence Theory of Stochastic and Variance-Reduced Cubic Newton Methods
von: Chayti, El Mahdi, et al.
Veröffentlicht: (2023)

Adaptive Delayed-Update Cyclic Algorithm for Variational Inequalities
von: Wei, Yi, et al.
Veröffentlicht: (2026)

Methods for Solving Variational Inequalities with Markovian Stochasticity
von: Solodkin, Vladimir, et al.
Veröffentlicht: (2024)

Primal Methods for Variational Inequality Problems with Functional Constraints
von: Zhang, Liang, et al.
Veröffentlicht: (2024)

Extragradient Type Methods for Riemannian Variational Inequality Problems
von: Hu, Zihao, et al.
Veröffentlicht: (2023)

SGD for Variational Inference: Tackling Unbounded Variance via Preconditioning and Dynamic Batching
von: Labarrière, Hippolyte, et al.
Veröffentlicht: (2026)

Infeasible Deterministic, Stochastic, and Variance-Reduction Algorithms for Optimization under Orthogonality Constraints
von: Ablin, Pierre, et al.
Veröffentlicht: (2023)

On the Stochastic (Variance-Reduced) Proximal Gradient Method for Regularized Expected Reward Optimization
von: Liang, Ling, et al.
Veröffentlicht: (2024)

Stochastic Variance-Reduced Newton: Accelerating Finite-Sum Minimization with Large Batches
von: Dereziński, Michał
Veröffentlicht: (2022)

Shuffling Heuristic in Variational Inequalities: Establishing New Convergence Guarantees
von: Medyakov, Daniil, et al.
Veröffentlicht: (2025)

Lower Bounds and Proximally Anchored SGD for Non-Convex Minimization Under Unbounded Variance
von: Fazla, Arda, et al.
Veröffentlicht: (2026)

Variance Reduction and Low Sample Complexity in Stochastic Optimization via Proximal Point Method
von: Liang, Jiaming
Veröffentlicht: (2024)

Projection-Free Variance Reduction Methods for Stochastic Constrained Multi-Level Compositional Optimization
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Mirror Descent-Type Algorithms for the Variational Inequality Problem with Functional Constraints
von: Alkousa, Mohammad S., et al.
Veröffentlicht: (2026)

First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities
von: Beznosikov, Aleksandr, et al.
Veröffentlicht: (2023)

Perseus: A Simple and Optimal High-Order Method for Variational Inequalities
von: Lin, Tianyi, et al.
Veröffentlicht: (2022)

Stochastic Extragradient with Random Reshuffling: Improved Convergence for Variational Inequalities
von: Emmanouilidis, Konstantinos, et al.
Veröffentlicht: (2024)

A Variance-Reduced Stochastic Gradient Tracking Algorithm for Decentralized Optimization with Orthogonality Constraints
von: Wang, Lei, et al.
Veröffentlicht: (2022)

Double Variance Reduction: A Smoothing Trick for Composite Optimization Problems without First-Order Gradient
von: Di, Hao, et al.
Veröffentlicht: (2024)

Learning Variational Inequalities from Data: Fast Generalization Rates under Strong Monotonicity
von: Zhao, Eric, et al.
Veröffentlicht: (2024)