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...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE Statistical Signal Processing Workshop s. 51 - 55
Hlavní autoři:	Pillutla, Krishna, Roulet, Vincent, Kakade, Sham M., Harchaoui, Zaid
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 02.07.2023
Témata:	Composite problems Conferences Convergence Gauss-Newton Machine learning Machine learning algorithms Nonsmooth Prediction algorithms Signal processing Signal processing algorithms
ISSN:	2693-3551
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!