Robust Accelerated Adaptive Search: High-Probability Complexity Bounds under Bounded-Moment Stochastic Oracles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Shunzhi, Liao, Shichen, Han, Congying, Guo, Tiande
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Relating Checkpoint Update Probabilities to Momentum Parameters in Single-Loop Variance Reduction Methods
von: Liu, Hai, et al.
Veröffentlicht: (2026)

On the optimal pivot path of simplex method for linear programming based on reinforcement learning
von: Li, Anqi, et al.
Veröffentlicht: (2022)

Acceleration of Moment Bound Optimization for Stochastic Chemical Reactions Using Reaction-wise Sparsity of Moment Equations
von: Sadatoshi, Tomoki, et al.
Veröffentlicht: (2026)

High Probability Complexity Bounds for Non-Smooth Stochastic Optimization with Heavy-Tailed Noise
von: Gorbunov, Eduard, et al.
Veröffentlicht: (2021)

Online Distributed Optimization with Clipped Stochastic Gradients: High Probability Bound of Regrets
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

Nonasymptotic Analysis of Accelerated Methods With Inexact Oracle Under Absolute Error Bound
von: Liu, Yin, et al.
Veröffentlicht: (2024)

High Probability Convergence Bounds for Non-convex Stochastic Gradient Descent with Sub-Weibull Noise
von: Madden, Liam, et al.
Veröffentlicht: (2020)

A Sequential Quadratic Programming Method with High Probability Complexity Bounds for Nonlinear Equality Constrained Stochastic Optimization
von: Berahas, Albert S., et al.
Veröffentlicht: (2023)

High-Probability Bounds for SGD under the Polyak-Lojasiewicz Condition with Markovian Noise
von: Kar, Avik, et al.
Veröffentlicht: (2026)

Complexity Lower Bounds of Adaptive Gradient Algorithms for Non-convex Stochastic Optimization under Relaxed Smoothness
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

Stochastic Adaptive Optimization with Unreliable Inputs: A Unified Framework for High-Probability Complexity Analysis
von: Scheinberg, Katya, et al.
Veröffentlicht: (2025)

Lower Complexity Bounds for Nonconvex-Strongly-Convex Bilevel Optimization with First-Order Oracles
von: Ji, Kaiyi
Veröffentlicht: (2025)

High Probability Complexity Bounds of Trust-Region Stochastic Sequential Quadratic Programming with Heavy-Tailed Noise
von: Fang, Yuchen, et al.
Veröffentlicht: (2025)

Tight Lower Bounds for the Bit and Inner Product Oracle for Constrained Convex Optimization
von: Basu, Amitabh, et al.
Veröffentlicht: (2025)

Relaxed Proximal Point Algorithm: Tight Complexity Bounds and Acceleration without Momentum
von: Wang, Bofan, et al.
Veröffentlicht: (2024)

Accelerated Gradient Methods with Biased Gradient Estimates: Risk Sensitivity, High-Probability Guarantees, and Large Deviation Bounds
von: Gürbüzbalaban, Mert, et al.
Veröffentlicht: (2025)

Lower Bounds for Linear Minimization Oracle Methods Optimizing over Strongly Convex Sets
von: Grimmer, Benjamin, et al.
Veröffentlicht: (2026)

Negative Curvature Methods with High-Probability Complexity Guarantees for Stochastic Nonconvex Optimization
von: Berahas, Albert S., et al.
Veröffentlicht: (2026)

Distributed Stochastic Optimization under Heavy-Tailed Noise: A Federated Mirror Descent Approach with High Probability Convergence
von: Yu, Zhan, et al.
Veröffentlicht: (2025)

Universality of AdaGrad Stepsizes for Stochastic Optimization: Inexact Oracle, Acceleration and Variance Reduction
von: Rodomanov, Anton, et al.
Veröffentlicht: (2024)

High Probability Bounds for Stochastic Subgradient Schemes with Heavy Tailed Noise
von: Parletta, Daniela A., et al.
Veröffentlicht: (2022)

Towards Fully Parameter-Free Stochastic Optimization: Grid Search with Self-Bounding Analysis
von: Zhao, Yuheng, et al.
Veröffentlicht: (2026)

Adaptive Batch Size and Learning Rate Scheduler for Stochastic Gradient Descent Based on Minimization of Stochastic First-order Oracle Complexity
von: Umeda, Hikaru, et al.
Veröffentlicht: (2025)

Sensitivity of Filter Kernels and Robustness Bounds to Transition and Measurement Kernel Perturbations in Partially Observable Stochastic Control
von: Demirci, Yunus Emre, et al.
Veröffentlicht: (2025)

SHANG++: Robust Stochastic Acceleration under Multiplicative Noise
von: Yu, Yaxin, et al.
Veröffentlicht: (2026)

Complexity of Error Bounds for Systems of Linear Inequalities
von: Wei, Zhou, et al.
Veröffentlicht: (2025)

Performance Bounds for Rollout Policies in Stochastic Shortest Path Problems
von: Hansson, Anders, et al.
Veröffentlicht: (2026)

Identification and Adaptive Control of Markov Jump Systems: Sample Complexity and Regret Bounds
von: Sattar, Yahya, et al.
Veröffentlicht: (2021)

Robustness of the Frank-Wolfe Method under Inexact Oracles and the Cost of Linear Minimization
von: Hu, Tao
Veröffentlicht: (2025)

Generalization Bounds for Contextual Stochastic Optimization using Kernel Regression
von: Wang, Yijie, et al.
Veröffentlicht: (2024)

General Procedure to Provide High-Probability Guarantees for Stochastic Saddle Point Problems
von: Li, Dongyang, et al.
Veröffentlicht: (2024)

Convergence and Robustness Bounds for Distributed Asynchronous Shortest-Path
von: Miller, Jared, et al.
Veröffentlicht: (2025)

Stochastic Optimization Algorithms for Problems with Controllable Biased Oracles
von: Liu, Yin, et al.
Veröffentlicht: (2023)

Stochastic Bounded Real Lemma and $H_{\infty}$ Control of Difference Systems in Hilbert Spaces
von: Li, Cheng'ao, et al.
Veröffentlicht: (2026)

Peak Bounds for the Estimation Error under Sensor Attacks
von: Stafström, Axel, et al.
Veröffentlicht: (2026)

Intrinsic Decentralized Stochastic Riemannian Optimization on Manifolds with Bounded Sectional Curvature
von: Nguyen, Duc Toan, et al.
Veröffentlicht: (2026)

Bounding the Optimal Number of Policies for Robust K-Adaptability
von: Kurtz, Jannis
Veröffentlicht: (2024)

High-Probability Guarantees for Random Zeroth-Order (Stochastic) Gradient Descent
von: Ye, Haishan
Veröffentlicht: (2026)

Minimizing Upper Confidence Bounds: A Data-Driven Framework for Stochastic Programming
von: Liu, Shixin, et al.
Veröffentlicht: (2024)

Complexity Bounds for Smooth Multiobjective Optimization
von: Sampaio, Phillipe R.
Veröffentlicht: (2025)