Buchumschlag

Convergence of empirical subgradients for optimal transport-based objectives

Fuente: arXiv

Gespeichert in:

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

Ähnliche Einträge

Inexact subgradient methods for semialgebraic functions
von: Bolte, Jérôme, et al.
Veröffentlicht: (2024)

Unregularized limit of stochastic gradient method for Wasserstein distributionally robust optimization
von: Le, Tam
Veröffentlicht: (2025)

Universal generalization guarantees for Wasserstein distributionally robust models
von: Le, Tam, et al.
Veröffentlicht: (2024)

Convergence of optimizers implies eigenvalues filtering at equilibrium
von: Bolte, Jerome, et al.
Veröffentlicht: (2025)

Convergence rate of Tsallis entropic regularized optimal transport
von: Suguro, Takeshi, et al.
Veröffentlicht: (2023)

Convergence rates for the Adam optimizer
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

A single-loop SPIDER-type stochastic subgradient method for expectation-constrained nonconvex nonsmooth optimization
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Convergence and complexity of block majorization-minimization for constrained block-Riemannian optimization
von: Li, Yuchen, et al.
Veröffentlicht: (2023)

The late-stage training dynamics of (stochastic) subgradient descent on homogeneous neural networks
von: Schechtman, Sholom, et al.
Veröffentlicht: (2025)

Provable optimal transport with transformers: The essence of depth and prompt engineering
von: Daneshmand, Hadi
Veröffentlicht: (2024)

Convergence of coordinate ascent variational inference for log-concave measures via optimal transport
von: Arnese, Manuel, et al.
Veröffentlicht: (2024)

Gromov-Wasserstein and optimal transport: from assignment problems to probabilistic numeric
von: Seyedi, Iman, et al.
Veröffentlicht: (2025)

Group-blind optimal transport to group parity and its constrained variants
von: Zhou, Quan, et al.
Veröffentlicht: (2023)

Sinkhorn algorithms and linear programming solvers for optimal partial transport problems
von: Bai, Yikun
Veröffentlicht: (2024)

A theoretical and empirical study of new adaptive algorithms with additional momentum steps and shifted updates for stochastic non-convex optimization
von: Alecsa, Cristian Daniel
Veröffentlicht: (2021)

Stochastic subgradient for composite optimization with functional constraints
von: Necoara, Ion, et al.
Veröffentlicht: (2022)

An inexact Bregman proximal point method and its acceleration version for unbalanced optimal transport
von: Chen, Xiang, et al.
Veröffentlicht: (2024)

Proximal optimal transport divergences
von: Baptista, Ricardo, et al.
Veröffentlicht: (2025)

Mini-batch stochastic subgradient for functional constrained optimization
von: Singh, Nitesh Kumar, et al.
Veröffentlicht: (2024)

Conditional simulation via entropic optimal transport: Toward non-parametric estimation of conditional Brenier maps
von: Baptista, Ricardo, et al.
Veröffentlicht: (2024)

Coupling-based Convergence Diagnostic and Stepsize Scheme for Stochastic Gradient Descent
von: Li, Xiang, et al.
Veröffentlicht: (2024)

Convergence of Decentralized Stochastic Subgradient-based Methods for Nonsmooth Nonconvex functions
von: Zhang, Siyuan, et al.
Veröffentlicht: (2024)

Exact Convergence rate of the subgradient method by using Polyak step size
von: Zamani, Moslem, et al.
Veröffentlicht: (2024)

Convergence of SGD with momentum in the nonconvex case: A time window-based analysis
von: Qiu, Junwen, et al.
Veröffentlicht: (2024)

Mitigating Gradient Bias in Multi-objective Learning: A Provably Convergent Stochastic Approach
von: Fernando, Heshan, et al.
Veröffentlicht: (2022)

Learning based convex approximation for constrained parametric optimization
von: Liu, Kang, et al.
Veröffentlicht: (2025)

An optimal control perspective on diffusion-based generative modeling
von: Berner, Julius, et al.
Veröffentlicht: (2022)

Optimization Landscapes Learned: Proxy Networks Boost Convergence in Physics-based Inverse Problems
von: Goyal, Girnar, et al.
Veröffentlicht: (2025)

Adaptive multi-gradient methods for quasiconvex vector optimization and applications to multi-task learning
von: Minh, Nguyen Anh, et al.
Veröffentlicht: (2024)

Surrogate-based optimization of system architectures subject to hidden constraints
von: Bussemaker, Jasper, et al.
Veröffentlicht: (2025)

Convergence of Muon with Newton-Schulz
von: Kim, Gyu Yeol, et al.
Veröffentlicht: (2026)

GANs as Gradient Flows that Converge
von: Huang, Yu-Jui, et al.
Veröffentlicht: (2022)

Convergence Rate Analysis of LION
von: Dong, Yiming, et al.
Veröffentlicht: (2024)

Reusing Historical Trajectories in Natural Policy Gradient via Importance Sampling: Convergence and Convergence Rate
von: Lin, Yifan, et al.
Veröffentlicht: (2024)

Provably Convergent Federated Trilevel Learning
von: Jiao, Yang, et al.
Veröffentlicht: (2023)

The Convergence of Dynamic Routing between Capsules
von: Ye, Daoyuan, et al.
Veröffentlicht: (2025)

Convergence for Discrete Parameter Update Schemes
von: Wilson, Paul, et al.
Veröffentlicht: (2025)

A proximal subgradient algorithm for constrained multiobjective DC-type optimization
von: Van Tuyen, Nguyen, et al.
Veröffentlicht: (2025)

A learning-based mathematical programming formulation for the automatic configuration of optimization solvers
von: Iommazzo, Gabriele, et al.
Veröffentlicht: (2024)

Convergence of Spectral Descent for Non-smooth Optimization
von: Yang, Yixuan, et al.
Veröffentlicht: (2026)