Modified Gauss-Newton Algorithms under Noise

Gauss-Newton methods and their stochastic version have been widely used in machine learning and signal processing. Their nonsmooth counterparts, modified Gauss-Newton or prox-linear algorithms, can lead to contrasting outcomes when compared to gradient descent in large-scale statistical settings. We...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE Statistical Signal Processing Workshop S. 51 - 55
Hauptverfasser:	Pillutla, Krishna, Roulet, Vincent, Kakade, Sham M., Harchaoui, Zaid
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 02.07.2023
Schlagworte:	Composite problems Conferences Convergence Gauss-Newton Machine learning Machine learning algorithms Nonsmooth Prediction algorithms Signal processing Signal processing algorithms
ISSN:	2693-3551
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!