Buchumschlag

Newton Method for Soft Quadratic Surface Support Vector Machine with 0-1 Loss Function

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Guoping, Song, Wen
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

Sparse Quadratically Constrained Quadratic Programming via Semismooth Newton Method
von: Li, Shuai, et al.
Veröffentlicht: (2025)

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

Kernel-Free Universum Quadratic Surface Twin Support Vector Machines for Imbalanced Data
von: Moosaei, Hossein, et al.
Veröffentlicht: (2024)

Adaptive Multilevel Newton: A Quadratically Convergent Optimization Method
von: Tsipinakis, Nick, et al.
Veröffentlicht: (2023)

Loss-Transformation Invariance in the Damped Newton Method
von: Shestakov, Alexander, et al.
Veröffentlicht: (2025)

Newton Method for Set Optimization Problems with Set-Valued Mapping of Finitely Many Vector-Valued Functions
von: Ghosh, Debdas, et al.
Veröffentlicht: (2024)

An Oracle Gradient Regularized Newton Method for Quadratic Measurements Regression
von: Fan, Jun, et al.
Veröffentlicht: (2022)

A Riemannian Proximal Newton-CG Method
von: Huang, Wen, et al.
Veröffentlicht: (2024)

A Riemannian Proximal Newton Method
von: Si, Wutao, et al.
Veröffentlicht: (2023)

Subspace Newton's Method for $\ell_0$-Regularized Optimization Problems with Box Constraint
von: Ye, Yuge, et al.
Veröffentlicht: (2025)

Faster Algorithms for Structured Linear and Kernel Support Vector Machines
von: Gu, Yuzhou, et al.
Veröffentlicht: (2023)

Lagrange Multipliers and Duality with Applications to Constrained Support Vector Machine
von: Nam, Nguyen Mau, et al.
Veröffentlicht: (2025)

A Newton Interior-Point Method for $\ell_0$ Factor Analysis
von: Wang, Linyang, et al.
Veröffentlicht: (2025)

Greedy Newton: Newton's Method with Exact Line Search
von: Shea, Betty, et al.
Veröffentlicht: (2024)

Advancing Multi-Secant Quasi-Newton Methods for General Convex Functions
von: Lee, Mokhwa, et al.
Veröffentlicht: (2025)

Multi-Task Learning Based on Support Vector Machines and Twin Support Vector Machines: A Comprehensive Survey
von: Bazikar, Fatemeh, et al.
Veröffentlicht: (2025)

Gradient- and Newton-Based Unit Vector Extremum Seeking Control
von: Luo, Roberto, et al.
Veröffentlicht: (2025)

A Novel Robust Optimization Model for Nonlinear Support Vector Machine
von: Maggioni, Francesca, et al.
Veröffentlicht: (2023)

A Smoothing Algorithm for l1 Support Vector Machines
von: Emirahmetoglu, Ibrahim, et al.
Veröffentlicht: (2023)

Quasi-Quadratic Gradient: A New Direction for Accelerating the BFGS Method in Quasi-Newton Optimization
von: Chiang, John
Veröffentlicht: (2026)

An Augmented Lagrangian Primal-Dual Semismooth Newton Method for Multi-Block Composite Optimization
von: Deng, Zhanwang, et al.
Veröffentlicht: (2023)

Modified Block Newton Algorithm for $\ell_0$-Regularized Optimization
von: Ye, Yuge, et al.
Veröffentlicht: (2025)

Inexact Bregman Sparse Newton Method for Efficient Optimal Transport
von: Pan, Jianting, et al.
Veröffentlicht: (2026)

Quadratic Gradient: A Unified Framework Bridging Gradient Descent and Newton-Type Methods by Synthesizing Hessians and Gradients
von: Chiang, John
Veröffentlicht: (2022)

Transformers as Support Vector Machines
von: Tarzanagh, Davoud Ataee, et al.
Veröffentlicht: (2023)

Subspace Quasi-Newton Method with Gradient Approximation
von: Miyaishi, Taisei, et al.
Veröffentlicht: (2024)

Adaptive Regularized Newton Method with Inexact Hessian
von: Shestakov, Aleksandr, et al.
Veröffentlicht: (2025)

On the Robustness of Derivative-free Methods for Linear Quadratic Regulator
von: Li, Weijian, et al.
Veröffentlicht: (2025)

Gauss-Newton Temporal Difference Learning with Nonlinear Function Approximation
von: Ke, Zhifa, et al.
Veröffentlicht: (2023)

The Stochastic Conjugate Subgradient Algorithm For Kernel Support Vector Machines
von: Zhang, Di, et al.
Veröffentlicht: (2024)

A Theory of the Risk for Optimization with Relaxation and its Application to Support Vector Machines
von: Campi, Marco C., et al.
Veröffentlicht: (2020)

Optimization meets Machine Learning: An Exact Algorithm for Semi-Supervised Support Vector Machines
von: Piccialli, Veronica, et al.
Veröffentlicht: (2023)

Krylov Solvers for Interior Point Methods with Applications in Radiation Therapy and Support Vector Machines
von: Liu, Felix, et al.
Veröffentlicht: (2023)

Optimizing $(L_0, L_1)$-Smooth Functions by Gradient Methods
von: Vankov, Daniil, et al.
Veröffentlicht: (2024)

Decentralized Inexact Cubic Newton Method with Consensus Procedure
von: Agafonov, Artem, et al.
Veröffentlicht: (2026)

Multilevel Regularized Newton Methods with Fast Convergence Rates
von: Tsipinakis, Nick, et al.
Veröffentlicht: (2024)

Zeroth-order Stochastic Cubic Newton Method Revisited
von: Liu, Yu, et al.
Veröffentlicht: (2024)

Inexact Newton-type Methods for Optimisation with Nonnegativity Constraints
von: Smee, Oscar, et al.
Veröffentlicht: (2024)

Distributed Inexact Newton Method with Adaptive Step Sizes
von: Jakovetic, Dusan, et al.
Veröffentlicht: (2023)

Decoupling Collision Avoidance in and for Optimal Control using Least-Squares Support Vector Machines
von: Dirckx, Dries, et al.
Veröffentlicht: (2025)