Buchumschlag

Adversary-Robust Learning from Fully Asynchronous Directional Derivative Estimates

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Paul, Anik Kumar, Roy, Nibedita, Talagani, Nagesh, Ganesh, Swetha, Thoppe, Gugan, Reiffers-Masson, Alexandre
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Global Convergence Guarantees for Federated Policy Gradient Methods with Adversaries
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements
von: Roy, Nibedita, et al.
Veröffentlicht: (2026)

Does DQN Learn?
von: Gopalan, Aditya, et al.
Veröffentlicht: (2022)

What Can Be Recovered Under Sparse Adversarial Corruption? Assumption-Free Theory for Linear Measurements
von: Halder, Vishal, et al.
Veröffentlicht: (2025)

Online Learning of Weakly Coupled MDP Policies for Load Balancing and Auto Scaling
von: Eshwar, S. R., et al.
Veröffentlicht: (2024)

Reinforcement Learning with Quasi-Hyperbolic Discounting
von: Eshwar, S. R., et al.
Veröffentlicht: (2024)

Regularization for Adversarial Robust Learning
von: Wang, Jie, et al.
Veröffentlicht: (2024)

Stochastic Mirror Descent under Iterate-Dependent Markov Noise: Analysis in the Asymptotic and Finite Time Regimes
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2026)

Zeroth-Order Non-smooth Non-convex Optimization via Gaussian Smoothing
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2025)

Robust Analysis of Almost Sure Convergence of Zeroth-Order Mirror Descent Algorithm
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2023)

Monotone and Conservative Policy Iteration Beyond the Tabular Case
von: Eshwar, S. R., et al.
Veröffentlicht: (2025)

Adversarially Robust Multitask Adaptive Control
von: Fallah, Kasra, et al.
Veröffentlicht: (2025)

Central Limit Theorems for Asynchronous Averaged Q-Learning
von: Liu, Xingtu
Veröffentlicht: (2025)

Fully Unconstrained Online Learning
von: Cutkosky, Ashok, et al.
Veröffentlicht: (2024)

Corruption-Tolerant Asynchronous Q-Learning with Near-Optimal Rates
von: Maity, Sreejeet, et al.
Veröffentlicht: (2025)

Adversarially-Robust TD Learning with Markovian Data: Finite-Time Rates and Fundamental Limits
von: Maity, Sreejeet, et al.
Veröffentlicht: (2025)

A Finite-Iteration Theory for Asynchronous Categorical Distributional Temporal-Difference Learning
von: Kaya, Ege C., et al.
Veröffentlicht: (2026)

Stochastic Recursive Inclusions under Biased Perturbations: An Input-to-State Stability Perspective
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2026)

Asynchronous and Stochastic Distributed Resource Allocation
von: Li, Qiang, et al.
Veröffentlicht: (2025)

Self-Supervised Penalty-Based Learning for Robust Constrained Optimization
von: Benslimane, Wyame, et al.
Veröffentlicht: (2025)

An Asynchronous Decentralised Optimisation Algorithm for Nonconvex Problems
von: Mafakheri, Behnam, et al.
Veröffentlicht: (2025)

Asynchronous Distributed Optimization with Delay-free Parameters
von: Wu, Xuyang, et al.
Veröffentlicht: (2023)

Distributionally and Adversarially Robust Logistic Regression via Intersecting Wasserstein Balls
von: Selvi, Aras, et al.
Veröffentlicht: (2024)

Lower Bounds on Adversarial Robustness for Multiclass Classification with General Loss Functions
von: Trillos, Camilo Andrés García, et al.
Veröffentlicht: (2025)

Adversarially and Distributionally Robust Virtual Energy Storage Systems via the Scenario Approach
von: Pantazis, Georgios, et al.
Veröffentlicht: (2025)

Data-driven Reachable Set Estimation with Tunable Adversarial and Wasserstein Distributional Guarantees
von: Pantazis, Georgios, et al.
Veröffentlicht: (2026)

Convergence Analysis of Stochastic Saddle Point Mirror Descent Algorithm -- A Projected Dynamical View Point
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2024)

Almost Sure Convergence and Non-asymptotic Concentration Bounds for Stochastic Mirror Descent Algorithm
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2024)

Blessings and Curses of Covariate Shifts: Adversarial Learning Dynamics, Directional Convergence, and Equilibria
von: Liang, Tengyuan
Veröffentlicht: (2022)

Dual-Delayed Asynchronous SGD for Arbitrarily Heterogeneous Data
von: Wang, Xiaolu, et al.
Veröffentlicht: (2024)

Encoder Decoder Generative Adversarial Network Model for Stock Market Prediction
von: Yadav, Bahadur, et al.
Veröffentlicht: (2025)

Don't Explain Noise: Robust Counterfactuals for Randomized Ensembles
von: Forel, Alexandre, et al.
Veröffentlicht: (2022)

Robust Angular Synchronization via Directed Graph Neural Networks
von: He, Yixuan, et al.
Veröffentlicht: (2023)

Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions
von: Choi, Jimin, et al.
Veröffentlicht: (2025)

A Hessian-Free Actor-Critic Algorithm for Bi-Level Reinforcement Learning with Applications to LLM Fine-Tuning
von: Zeng, Sihan, et al.
Veröffentlicht: (2026)

Faster Stochastic Optimization with Arbitrary Delays via Asynchronous Mini-Batching
von: Attia, Amit, et al.
Veröffentlicht: (2024)

Optimal Asynchronous Stochastic Nonconvex Optimization under Heavy-Tailed Noise
von: Wu, Yidong, et al.
Veröffentlicht: (2026)

Bilevel Models for Adversarial Learning and A Case Study
von: Zheng, Yutong, et al.
Veröffentlicht: (2025)

Early Directional Convergence in Deep Homogeneous Neural Networks for Small Initializations
von: Kumar, Akshay, et al.
Veröffentlicht: (2024)

Revisiting Multi-Agent Asynchronous Online Optimization with Delays: the Strongly Convex Case
von: Bao, Lingchan, et al.
Veröffentlicht: (2025)