Publication

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

Publications associées (66)

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

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

Graph Chatbot

Chattez avec Graph Search

Minimax rate for optimal transport regression between distributions

Faster One-Sample Stochastic Conditional Gradient Method for Composite Convex Minimization

Adaptive Stochastic Variance Reduction for Non-convex Finite-Sum Minimization

Improving sample and feature selection with principal covariates regression

Distributed Learning in Non-Convex Environments-Part I: Agreement at a Linear Rate

AKSEL: Fast Byzantine SGD

Sparsest piecewise-linear regression of one-dimensional data

Regret Minimization in Stochastic Non-Convex Learning via a Proximal-Gradient Approach

Stochasticity helps to navigate rough landscapes: comparing gradient-descent-based algorithms in the phase retrieval problem