Резултати

еНаука >  Резултати >  High-probability Convergence Bounds for Online Nonlinear Stochastic Gradient Descent under Heavy-tailed Noise
Назив: High-probability Convergence Bounds for Online Nonlinear Stochastic Gradient Descent under Heavy-tailed Noise
Аутори: Armacki, Aleksandar; Yu, Shuhua; Sharma, Pranay; Joshi, Gauri; Bajović, Dragana  ; Jakovetić, Dušan; Kar, Soummya
Година: 2025
Публикација: INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE AND STATISTICS
ISSN: 2640-3498 Претражи идентификатор
Издавач: PMLR
Тип резултата: Конференцијски рад
Колација: vol. 258
DOI: 10.48550/arXiv.2310.18784
WoS-ID: 001593416700198
URI: https://enauka.gov.rs/handle/123456789/1029725
URL: https://proceedings.mlr.press/v258/armacki25a.html
Пројекат: NSF [CCF 2045694, CNS-2112471, CPS-2111751, SHF-2107024, ECCS-2330196]
ONR [N00014-23-1-2149]
Ministry of Science, Technological Development and Innovation [451-03-65/2024-03/200156]
Faculty of Technical Sciences, University of Novi Sad [01-3394/1]
European Union's Horizon Europe program [101093006, 101135775, 101135916]
Science Fund of Republic of Serbia, project "LASCADO" [7359]
Provincial Secretariat for Higher Education and Scientific Research [142-451-2593/2021-01/2]
Извор метаподатака: (Preuzeto iz Nasi u WoS)
М-категорија: 
Мп категорија ће бити приказана накнадно.

Алт метрика
Dimensions
Unpaywall

Google ScholarTM

Резултати на еНаука су заштићени ауторским правима и сва права су задржана, осим ако није другачије назначено.