Buchumschlag

BOOOM: Loss-Function-Agnostic Black-Box Optimization over Orthonormal Manifolds for Machine Learning and Statistical Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Beomchang, Roy, Subhrajyoty, Das, Priyam
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GLASD: A Loss-Function-Agnostic Global Optimizer for Robust Correlation Estimation under Data Contamination and Heavy Tails
von: Das, Priyam
Veröffentlicht: (2025)

On the Convergence of Black-Box Variational Inference
von: Kim, Kyurae, et al.
Veröffentlicht: (2023)

Nearly Dimension-Independent Convergence of Mean-Field Black-Box Variational Inference
von: Kim, Kyurae, et al.
Veröffentlicht: (2025)

Convergence Analysis for Learning Orthonormal Deep Linear Neural Networks
von: Qin, Zhen, et al.
Veröffentlicht: (2023)

Learning-Rate-Free Stochastic Optimization over Riemannian Manifolds
von: Dodd, Daniel, et al.
Veröffentlicht: (2024)

Black-Box Approximation and Optimization with Hierarchical Tucker Decomposition
von: Ryzhakov, Gleb, et al.
Veröffentlicht: (2024)

Diffusion Model for Data-Driven Black-Box Optimization
von: Li, Zihao, et al.
Veröffentlicht: (2024)

Asymptotically Optimal Regret for Black-Box Predict-then-Optimize
von: Tan, Samuel, et al.
Veröffentlicht: (2024)

Data Collaboration Analysis with Orthonormal Basis Selection and Alignment
von: Nosaka, Keiyu, et al.
Veröffentlicht: (2024)

Dion: Distributed Orthonormalized Updates
von: Ahn, Kwangjun, et al.
Veröffentlicht: (2025)

Every Call is Precious: Global Optimization of Black-Box Functions with Unknown Lipschitz Constants
von: Fourati, Fares, et al.
Veröffentlicht: (2025)

A Similarity Measure Between Functions with Applications to Statistical Learning and Optimization
von: Huang, Chengpiao, et al.
Veröffentlicht: (2025)

A Semantic-Loss Function Modeling Framework With Task-Oriented Machine Learning Perspectives
von: Nguyen, Ti Ti, et al.
Veröffentlicht: (2025)

ACING: Actor-Critic for Instruction Learning in Black-Box LLMs
von: Kharrat, Salma, et al.
Veröffentlicht: (2024)

Pareto Front Shape-Agnostic Pareto Set Learning in Multi-Objective Optimization
von: Ye, Rongguang, et al.
Veröffentlicht: (2024)

Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming
von: Na, Sen, et al.
Veröffentlicht: (2022)

Differentiation Through Black-Box Quadratic Programming Solvers
von: Magoon, Connor W., et al.
Veröffentlicht: (2024)

A Novel Loss Function-based Support Vector Machine for Binary Classification
von: Li, Yan, et al.
Veröffentlicht: (2024)

A Machine Learning Approach to Two-Stage Adaptive Robust Optimization
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Unsupervised Machine Learning Hybrid Approach Integrating Linear Programming in Loss Function: A Robust Optimization Technique
von: Kiruluta, Andrew, 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)

CoRe Optimizer: An All-in-One Solution for Machine Learning
von: Eckhoff, Marco, et al.
Veröffentlicht: (2023)

PMBO: Enhancing Black-Box Optimization through Multivariate Polynomial Surrogates
von: Schreiber, Janina, et al.
Veröffentlicht: (2024)

Preference-Optimized Pareto Set Learning for Blackbox Optimization
von: Haishan, Zhang, et al.
Veröffentlicht: (2024)

Accelerated Gradient Methods for Sparse Statistical Learning with Nonconvex Penalties
von: Yang, Kai, et al.
Veröffentlicht: (2020)

Federated Optimization of Smooth Loss Functions
von: Jadbabaie, Ali, et al.
Veröffentlicht: (2022)

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

A Penalty Approach for Differentiation Through Black-Box Quadratic Programming Solvers
von: Linghu, Yuxuan, et al.
Veröffentlicht: (2026)

Availability of Perfect Decomposition in Statistical Linkage Learning for Unitation-based Function Concatenations
von: Prusik, Michal, et al.
Veröffentlicht: (2025)

Fast, Accurate Manifold Denoising by Tunneling Riemannian Optimization
von: Wang, Shiyu, et al.
Veröffentlicht: (2025)

Combinatorial Optimization Augmented Machine Learning
von: Schiffer, Maximilian, et al.
Veröffentlicht: (2026)

Online Statistical Inference of Constrained Stochastic Optimization via Random Scaling
von: Du, Xinchen, et al.
Veröffentlicht: (2025)

Learning in Inverse Optimization: Incenter Cost, Augmented Suboptimality Loss, and Algorithms
von: Scroccaro, Pedro Zattoni, et al.
Veröffentlicht: (2023)

Comparative Analysis of Black-Box Optimization Methods for Weather Intervention Design
von: Higuchi, Yuta, et al.
Veröffentlicht: (2025)

Surrogate-based Optimization via Clustering for Box-Constrained Problems
von: Ahmad, Maaz, et al.
Veröffentlicht: (2026)

Adjoint-Based Aerodynamic Shape Optimization with a Manifold Constraint Learned by Diffusion Models
von: Chen, Long, et al.
Veröffentlicht: (2025)

Global Optimization: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Stochastic Gradient Variational Inference with Price's Gradient Estimator from Bures-Wasserstein to Parameter Space
von: Kim, Kyurae, et al.
Veröffentlicht: (2026)

Machine Learning-Enhanced Ant Colony Optimization for Column Generation
von: Xu, Hongjie, et al.
Veröffentlicht: (2024)

Data-Driven Influence Functions for Optimization-Based Causal Inference
von: Jordan, Michael I., et al.
Veröffentlicht: (2022)