Buchumschlag

A distributed semismooth Newton based augmented Lagrangian method for distributed optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Qihao, Wang, Chengjing, Tang, Peipei, Niu, Dunbiao, Xu, Aimin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An augmented Lagrangian method for strongly regular minimizers in a class of convex composite optimization problems
von: Wang, Chengjing, et al.
Veröffentlicht: (2025)

Complete Characterizations of Well-Posedness in Parametric Composite Optimization
von: Mordukhovich, Boris S., et al.
Veröffentlicht: (2025)

An inexact semismooth Newton-Krylov method for semilinear elliptic optimal control problem
von: Chen, Shiqi, et al.
Veröffentlicht: (2025)

Cubic regularized subspace Newton for non-convex optimization
von: Zhao, Jim, et al.
Veröffentlicht: (2024)

Fundamental Bias in Inverting Random Sampling Matrices with Application to Sub-sampled Newton
von: Niu, Chengmei, et al.
Veröffentlicht: (2025)

Flattened one-bit stochastic gradient descent: compressed distributed optimization with controlled variance
von: Stollenwerk, Alexander, et al.
Veröffentlicht: (2024)

RGNMR: A Gauss-Newton method for robust matrix completion with theoretical guarantees
von: Laufer, Eilon Vaknin, et al.
Veröffentlicht: (2025)

Perturbation analysis of a class of composite optimization problems
von: Tang, Peipei, et al.
Veröffentlicht: (2024)

An augmented Lagrangian trust-region method with inexact gradient evaluations to accelerate constrained optimization problems using model hyperreduction
von: Wen, Tianshu, et al.
Veröffentlicht: (2024)

Latent feedback control of distributed systems in multiple scenarios through deep learning-based reduced order models
von: Tomasetto, Matteo, et al.
Veröffentlicht: (2024)

Continuum-marginal optimal transport: a mesh-free kernel method
von: Nakano, Yumiharu
Veröffentlicht: (2026)

First-order methods for stochastic and finite-sum convex optimization with deterministic constraints
von: Lu, Zhaosong, et al.
Veröffentlicht: (2025)

Learning rate adaptive stochastic gradient descent optimization methods: numerical simulations for deep learning methods for partial differential equations and convergence analyses
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

A Gauss-Newton Approach for Min-Max Optimization in Generative Adversarial Networks
von: Mishra, Neel, et al.
Veröffentlicht: (2024)

A Dual Alternating Direction Method of Multipliers for Image Decomposition and Restoration
von: Wang, Qingsong, et al.
Veröffentlicht: (2019)

Online Covariance Matrix Estimation in Sketched Newton Methods
von: Kuang, Wei, et al.
Veröffentlicht: (2025)

Real-time optimal control of high-dimensional parametrized systems by deep learning-based reduced order models
von: Tomasetto, Matteo, et al.
Veröffentlicht: (2024)

A single-loop SPIDER-type stochastic subgradient method for expectation-constrained nonconvex nonsmooth optimization
von: Liu, Wei, et al.
Veröffentlicht: (2025)

A second-order method landing on the Stiefel manifold via Newton$\unicode{x2013}$Schulz iteration
von: Xiong, Xinhui, et al.
Veröffentlicht: (2026)

Averaged Adam accelerates stochastic optimization in the training of deep neural network approximations for partial differential equation and optimal control problems
von: Dereich, Steffen, et al.
Veröffentlicht: (2025)

Backtracking New Q-Newton's method, Newton's flow, Voronoi's diagram and Stochastic root finding
von: Fornaess, John Erik, et al.
Veröffentlicht: (2024)

PADAM: Parallel averaged Adam reduces the error for stochastic optimization in scientific machine learning
von: Jentzen, Arnulf, et al.
Veröffentlicht: (2025)

Augmented Lagrangian methods for infeasible convex optimization problems and diverging proximal-point algorithms
von: Andrews, Roland, et al.
Veröffentlicht: (2025)

Neural incomplete factorization: learning preconditioners for the conjugate gradient method
von: Häusner, Paul, et al.
Veröffentlicht: (2023)

Numerical method for approximately optimal solutions of two-stage distributionally robust optimization with marginal constraints
von: Neufeld, Ariel, et al.
Veröffentlicht: (2022)

A Newton-CG based barrier-augmented Lagrangian method for general nonconvex conic optimization
von: He, Chuan, et al.
Veröffentlicht: (2023)

PEPit: computer-assisted worst-case analyses of first-order optimization methods in Python
von: Goujaud, Baptiste, et al.
Veröffentlicht: (2022)

Second-Order Characterizations of Tilt Stability in Composite Optimization
von: Mordukhovich, Boris S., et al.
Veröffentlicht: (2025)

Langevin dynamics based algorithm e-TH$\varepsilon$O POULA for stochastic optimization problems with discontinuous stochastic gradient
von: Lim, Dong-Young, et al.
Veröffentlicht: (2022)

A semi-Lagrangian method for solving state constraint Mean Field Games in Macroeconomics
von: Camilli, Fabio, et al.
Veröffentlicht: (2025)

Symmetric Rank-One Quasi-Newton Methods for Deep Learning Using Cubic Regularization
von: Ranganath, Aditya, et al.
Veröffentlicht: (2025)

From Adam to Adam-Like Lagrangians: Second-Order Nonlocal Dynamics
von: Heredia, Carlos
Veröffentlicht: (2026)

AutoBalance: An Automatic Balancing Framework for Training Physics-Informed Neural Networks
von: An, Kang, et al.
Veröffentlicht: (2025)

Nonlinear Assimilation via Score-based Sequential Langevin Sampling
von: Ding, Zhao, et al.
Veröffentlicht: (2024)

End-to-End Mesh Optimization of a Hybrid Deep Learning Black-Box PDE Solver
von: Ma, Shaocong, et al.
Veröffentlicht: (2024)

A generalization of the Newton-based matrix splitting iteration method for generalized absolute value equations
von: Li, Xuehua, et al.
Veröffentlicht: (2023)

An inexact framework of the Newton-based matrix splitting iterative method for the generalized absolute value equation
von: Yu, Dongmei, et al.
Veröffentlicht: (2021)

Kernel-based potential mean-field games with unbiased random Fourier $U$-statistics
von: Nakano, Yumiharu
Veröffentlicht: (2026)

Convergence of Adam for Non-convex Objectives: Relaxed Hyperparameters and Non-ergodic Case
von: He, Meixuan, et al.
Veröffentlicht: (2023)

Numerical solution of elliptic distributed optimal control problems with boundary value tracking
von: Langer, Ulrich, et al.
Veröffentlicht: (2025)