Publication

A note on a Lyapunov argument for stochastic gradient methods in the presence of noise

Publications associées (32)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

A note on a Lyapunov argument for stochastic gradient methods in the presence of noise

Graph Chatbot

Chattez avec Graph Search

Adaptive Gradient Descent without Descent

On Convergence-Diagnostic based Step Sizes for Stochastic Gradient Descent

Optimal Convergence for Distributed Learning with Stochastic Gradient Methods and Spectral Algorithms

The Error-Feedback Framework: Better Rates for SGD with Delayed Gradients and Compressed Updates

Reducing Noise in GAN Training with Variance Reduced Extragradient

Local SGD Converges Fast and Communicates Little

Optimal Convergence for Distributed Learning with Stochastic Gradient Methods and Spectral Algorithms

Adaptive data augmentation for image classification

Stochastic gradient descent with finite samples sizes

Stochastic Spectral Descent for Discrete Graphical Models

On Convergence-Diagnostic based Step Sizes for Stochastic Gradient Descent

Adaptive Gradient Descent without Descent

Optimal Convergence for Distributed Learning with Stochastic Gradient Methods and Spectral Algorithms

Reducing Noise in GAN Training with Variance Reduced Extragradient

Local SGD Converges Fast and Communicates Little

Stochastic Spectral Descent for Discrete Graphical Models

Optimal Convergence for Distributed Learning with Stochastic Gradient Methods and Spectral Algorithms

Adaptive data augmentation for image classification

Stochastic gradient descent with finite samples sizes

The Error-Feedback Framework: Better Rates for SGD with Delayed Gradients and Compressed Updates