Buchumschlag

Adaptive Lipschitz-Free Conditional Gradient Methods for Stochastic Composite Nonconvex Optimization

Fuente: arXiv

Gespeichert in:

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

Ähnliche Einträge

OptEMA: Adaptive Exponential Moving Average for Stochastic Optimization with Zero-Noise Optimality
von: Yuan, Ganzhao
Veröffentlicht: (2026)

A Block Coordinate Descent Method for Nonsmooth Composite Optimization under Orthogonality Constraints
von: Yuan, Ganzhao
Veröffentlicht: (2023)

Adaptive Extrapolated Proximal Gradient Methods with Variance Reduction for Composite Nonconvex Finite-Sum Minimization
von: Yuan, Ganzhao
Veröffentlicht: (2025)

ADMM for Structured Fractional Minimization
von: Yuan, Ganzhao
Veröffentlicht: (2024)

Enhanced Adaptive Gradient Algorithms for Nonconvex-PL Minimax Optimization
von: Huang, Feihu, et al.
Veröffentlicht: (2023)

Adaptive Proximal Gradient Method for Convex Optimization
von: Malitsky, Yura, et al.
Veröffentlicht: (2023)

Primal-Dual Methods for Nonsmooth Nonconvex Optimization with Orthogonality Constraints
von: Zhu, Linglingzhi, et al.
Veröffentlicht: (2026)

Fast Unconstrained Optimization via Hessian Averaging and Adaptive Gradient Sampling Methods
von: O'Leary-Roseberry, Thomas, et al.
Veröffentlicht: (2024)

Gradient is All You Need? How Consensus-Based Optimization can be Interpreted as a Stochastic Relaxation of Gradient Descent
von: Riedl, Konstantin, et al.
Veröffentlicht: (2023)

On the Convergence of the Gradient Descent Method with Stochastic Fixed-point Rounding Errors under the Polyak-Lojasiewicz Inequality
von: Xia, Lu, et al.
Veröffentlicht: (2023)

A Single-Loop Gradient Descent and Perturbed Ascent Algorithm for Nonconvex Functional Constrained Optimization
von: Lu, Songtao
Veröffentlicht: (2022)

Scalable Acceleration for Classification-Based Derivative-Free Optimization
von: Han, Tianyi, et al.
Veröffentlicht: (2023)

Super Gradient Descent: Global Optimization requires Global Gradient
von: Achour, Seifeddine
Veröffentlicht: (2024)

A Trust-Region Interior-Point Stochastic Sequential Quadratic Programming Method
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

UAdam: Unified Adam-Type Algorithmic Framework for Non-Convex Stochastic Optimization
von: Jiang, Yiming, et al.
Veröffentlicht: (2023)

A Natural Primal-Dual Hybrid Gradient Method for Adversarial Neural Network Training on Solving Partial Differential Equations
von: Liu, Shu, et al.
Veröffentlicht: (2024)

On the Convergence of Adaptive Gradient Methods for Nonconvex Optimization
von: Zhou, Dongruo, et al.
Veröffentlicht: (2018)

Convergent Proximal Multiblock ADMM for Nonconvex Dynamics-Constrained Optimization
von: Li, Bowen, et al.
Veröffentlicht: (2025)

Policy Gradient with Second Order Momentum
von: Sun, Tianyu
Veröffentlicht: (2025)

Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models
von: Fang, Yuchen, et al.
Veröffentlicht: (2024)

Derivative-Free Sequential Quadratic Programming for Equality-Constrained Stochastic Optimization
von: Na, Sen
Veröffentlicht: (2025)

Provably Faster Gradient Descent via Long Steps
von: Grimmer, Benjamin
Veröffentlicht: (2023)

Stochastic Langevin Differential Inclusions with Applications to Machine Learning
von: Difonzo, Fabio V., et al.
Veröffentlicht: (2022)

Gradient Descent as a Perceptron Algorithm: Understanding Dynamics and Implicit Acceleration
von: Tyurin, Alexander
Veröffentlicht: (2025)

Using Linearized Optimal Transport to Predict the Evolution of Stochastic Particle Systems
von: Karris, Nicholas, et al.
Veröffentlicht: (2024)

Accuracy of Discretely Sampled Stochastic Policies in Continuous-time Reinforcement Learning
von: Jia, Yanwei, et al.
Veröffentlicht: (2025)

Dynamic Proximal Gradient Algorithms for Schatten-$p$ Quasi-Norm Regularized Problems
von: Shen, Weiping, et al.
Veröffentlicht: (2026)

Acceleration Methods
von: d'Aspremont, Alexandre, et al.
Veröffentlicht: (2021)

Fast and Provable Tensor-Train Format Tensor Completion via Precondtioned Riemannian Gradient Descent
von: Bian, Fengmiao, et al.
Veröffentlicht: (2025)

Why is Normalization Preferred? A Worst-Case Complexity Theory for Stochastically Preconditioned SGD under Heavy-Tailed Noise
von: Fang, Yuchen, et al.
Veröffentlicht: (2026)

Faster Randomized Methods for Orthogonality Constrained Problems
von: Shustin, Boris, et al.
Veröffentlicht: (2021)

Stochastic Optimal Control Matching
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2023)

Min-Max Optimisation for Nonconvex-Nonconcave Functions Using a Random Zeroth-Order Extragradient Algorithm
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2025)

Stochastic Regret Guarantees for Online Zeroth- and First-Order Bilevel Optimization
von: Nazari, Parvin, et al.
Veröffentlicht: (2025)

State-Dependent Lyapunov Method for Rank-1 Matrix Factorization
von: Moon, Jaehong
Veröffentlicht: (2026)

Faster Gradient-Free Algorithms for Nonsmooth Nonconvex Stochastic Optimization
von: Chen, Lesi, et al.
Veröffentlicht: (2023)

Quantitative Convergences of Lie Group Momentum Optimizers
von: Kong, Lingkai, et al.
Veröffentlicht: (2024)

Nonlinear Dimensionality Reduction Techniques for Bayesian Optimization
von: Long, Luo, et al.
Veröffentlicht: (2025)

Random Subspace Cubic-Regularization Methods, with Applications to Low-Rank Functions
von: Cartis, Coralia, et al.
Veröffentlicht: (2025)

Dual Cone Gradient Descent for Training Physics-Informed Neural Networks
von: Hwang, Youngsik, et al.
Veröffentlicht: (2024)