Publication

Learning Positive Functions with Pseudo Mirror Descent

Publications associées (35)

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

Learning Positive Functions with Pseudo Mirror Descent

Graph Chatbot

Chattez avec Graph Search

Metrizing Fairness

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

Critical Parameters for Scalable Distributed Learning with Large Batches and Asynchronous Updates

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

Byzantine machine learning

A Generalized Representer Theorem for Hilbert Space - Valued Functions

Diffusion Learning In Non-Convex Environments

Byzantine tolerant gradient descent for distributed machine learning with adversaries

Learning Non-Parametric Models with Guarantees: A Smooth Lipschitz Interpolation Approach

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

Critical Parameters for Scalable Distributed Learning with Large Batches and Asynchronous Updates

A Generalized Representer Theorem for Hilbert Space - Valued Functions

Learning Non-Parametric Models with Guarantees: A Smooth Lipschitz Interpolation Approach

Metrizing Fairness

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

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

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

Byzantine tolerant gradient descent for distributed machine learning with adversaries

Diffusion Learning In Non-Convex Environments

Byzantine machine learning