JMLR

(De)-regularized Maximum Mean Discrepancy Gradient Flow

去正则化的最大均值差梯度流

Zonghao Chen, Aratrika Mustafi, Pierre Glaser, Anna Korba, Arthur Gretton, Bharath K. Sriperumbudur

机构 * University College London（伦敦大学学院） ； Pennsylvania State University（宾夕法尼亚州立大学） ； Institut Polytechnique de Paris（巴黎理工学院） 纠错

AI总结 DrMMD流通过去正则化方法实现了最大均值差的梯度流，能够在连续和离散时间下保证近全局收敛，并以闭式形式仅使用样本进行实现。

Journal ref Journal of Machine Learning Research 2025

High Probability Convergence Bounds for Non-convex Stochastic Gradient Descent with Sub-Weibull Noise

非凸随机梯度下降在亚韦尔分布噪声下的高概率收敛界

Liam Madden, Emiliano Dall'Anese, Stephen Becker

AI总结 本文在不假设凸性的情况下，证明了非凸随机梯度下降在亚韦尔分布噪声下的高概率收敛界，并提出了一种选择单个迭代点的后处理方法。

Comments V6: a typo in Lemma 13 was corrected (the $\sup_{ω\inΩ}$ was missing) and details were added to some steps in the proof

Journal ref Journal of Machine Learning Research, 25(241):1-36, 2024