Robust algorithms for learning from modern data

Informations projet

SEQUOIA

N° de convention de subvention: 724063

DOI

10.3030/724063

Projet clôturé

Date de signature de la CE 16 Mars 2017

Date de début 1 Septembre 2017

Date de fin 31 Août 2023

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total

€ 1 998 750,00

Contribution de l’UE

€ 1 998 750,00

Coordonné par

INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET AUTOMATIQUE
France

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Peer reviewed articles (6)

Worst-Case Convergence Analysis of Inexact Gradient and Newton Methods Through Semidefinite Programming Performance Estimation

Auteurs: Etienne de Klerk; François Glineur; Adrien B. Taylor
Publié dans: SIAM Journal on Optimization, Numéro 21, 2020, ISSN 1052-6234
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/19m1281368

On the oracle complexity of smooth strongly convex minimization

Auteurs: Y. Drori; Adrien B. Taylor
Publié dans: Journal of Complexity, Numéro 35, 2021, ISSN 1076-2787
Éditeur: John Wiley & Sons Inc.
DOI: 10.1016/j.jco.2021.101590

On the Effectiveness of Richardson Extrapolation in Data Science.

Auteurs: F. Bach.
Publié dans: SIAM Journal on Mathematics of Data Science, 2021, ISSN 2577-0187
Éditeur: SIAM
DOI: 10.1137/21m1397349

A note on approximate accelerated forward-backward methods with absolute and relative errors, and possibly strongly convex objectives

Auteurs: Mathieu Barré, Adrien Taylor & Francis Bach
Publié dans: Open Journal of Mathematical Optimization, 2022, ISSN 2777-5860
Éditeur: Mersenne
DOI: 10.5802/ojmo.12

Accelerated Gossip in Networks of Given Dimension using Jacobi Polynomial Iterations

Auteurs: Raphaël Berthier; Francis Bach; Pierre Gaillard
Publié dans: SIAM Journal on the Mathematics of Data Science, Numéro 13, 2020, ISSN 2577-0187
Éditeur: SIAM
DOI: 10.1137/19m1244822

Efficient first-order methods for convex minimization: a constructive approach

Auteurs: Yoel Drori, Adrien B. Taylor
Publié dans: Mathematical Programming, 2018, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-019-01410-2

Conference proceedings (21)

Explicit Regularization of Stochastic Gradient Methods through Duality.

Auteurs: A. Raj, F. Bach.
Publié dans: Proceedings of the International Conference on Artificial Intelligence and Statistics (AISTATS), 2021
Éditeur: AISTATS

A Dimension-free Computational Upper-bound for Smooth Optimal Transport Estimation.

Auteurs: A. Vacher, B. Muzellec, A. Rudi, F. Bach, F.-X. Vialard.
Publié dans: Proceedings of the Conference on Learning Theory (COLT), 2021, 2021
Éditeur: COLT

Dual-Free Stochastic Decentralized Optimization with Variance Reduction.

Auteurs: H. Hendrikx, F. Bach, L. Massoulié.
Publié dans: Advances in Neural Information Processing Systems (NeurIPS), 2020
Éditeur: NeurIPS

Non-parametric Models for Non-negative Functions.

Auteurs: U. Marteau-Ferey, F. Bach, A. Rudi.
Publié dans: Advances in Neural Information Processing Systems (NeurIPS)., 2020
Éditeur: NeurIPS

Batch Normalization Provably Avoids Rank Collapse for Randomly Initialised Deep Networks.

Auteurs: H. Daneshmand, J. Kohler, F. Bach, T. Hofmann, A. Lucchi.
Publié dans: Advances in Neural Information Processing Systems (NeurIPS), 2020, 2020
Éditeur: NeurIPS

A Continuized View on Nesterov Acceleration for Stochastic Gradient Descent and Randomized Gossip

Auteurs: M. Even, R. Berthier, F. Bach, N. Flammarion, P. Gaillard, H. Hendrikx, L. Massoulié, A. Taylor.
Publié dans: Advances in Neural Information Processing Systems, 2021
Éditeur: NeurIPS

Learning with Differentiable Perturbed Optimizers

Auteurs: Berthet, Quentin; Blondel, Mathieu; Teboul, Olivier; Cuturi, Marco; Vert, Jean-Philippe; Bach, Francis
Publié dans: Advances in NeurIPS, Numéro 39, 2020
Éditeur: NeurIPS

Relating Leverage Scores and Density using Regularized Christoffel Functions

Auteurs: Pauwels , Edouard; Bach , Francis; Vert , Jean-Philippe
Publié dans: Advances in NIPS, 2018
Éditeur: NIPS Foundation

Statistical Optimality of Stochastic Gradient Descent on Hard Learning Problems through Multiple Passes

Auteurs: Loucas Pillaud-Vivien, Alessandro Rudi, Francis Bach
Publié dans: Advances in Neural Information Processing Systems (NIPS), 2018
Éditeur: NIPS Foundation

On Fast Leverage Score Sampling and Optimal Learning

Auteurs: Rudi , Alessandro; Calandriello , Daniele; Carratino , Luigi; Rosasco , Lorenzo
Publié dans: Advances in NIPS, Numéro 28, 2018
Éditeur: NIPS Foundation

Exponential convergence of testing error for stochastic gradient methods

Auteurs: Pillaud-Vivien, Loucas; Rudi, Alessandro; Bach, Francis
Publié dans: Proceedings of COLT, Numéro 5, 2018
Éditeur: COLT

On the Global Convergence of Gradient Descent for Over-parameterized Models using Optimal Transport

Auteurs: Chizat , Lenaic; Bach , Francis
Publié dans: Advances in NIPS, Numéro 1, 2018
Éditeur: NIPS Foundation

Stochastic first-order methods: non-asymptotic and computer-aided analyses via potential functions

Auteurs: Adrien Taylor, Francis Bach
Publié dans: Proceedings COLT, 2019
Éditeur: COLT

Affine Invariant Covariance Estimation for Heavy-Tailed Distributions

Auteurs: Ostrovskii, Dmitrii; Rudi, Alessandro
Publié dans: COLT 2019 - 32nd Annual Conference on Learning Theory, Numéro 5, 2019
Éditeur: N/A

An accelerated decentralized stochastic proximal algorithm for finite Sums

Auteurs: Hadrien Hendrikx, Francis Bach, Laurent Massoulié
Publié dans: Advances in Neural Information Processing Systems (NeurIPS), 2019
Éditeur: N/A

On the Global Convergence of Gradient Descent for Over-parameterized Models using Optimal Transport

Auteurs: Chizat , Lenaic; Bach , Francis
Publié dans: Advances in Neural Information Processing Systems (NIPS), Numéro 2, 2018
Éditeur: N/A

Globally Convergent Newton Methods for Ill-conditioned Generalized Self-concordant Losses

Auteurs: Marteau-Ferey, Ulysse; Bach, Francis; Rudi, Alessandro
Publié dans: Advances in Neural Information Processing Systems (NeurIPS), 2019
Éditeur: N/A

On Lazy Training in Differentiable Programming

Auteurs: Chizat, Lenaic; Oyallon, Edouard; Bach, Francis
Publié dans: NeurIPS 2019 - 33rd Conference on Neural Information Processing Systems, Dec 2019, Vancouver, Canada, Numéro 15, 2019
Éditeur: N/A

Deep Equals Shallow for ReLU Networks in Kernel Regimes.

Auteurs: A. Bietti, F. Bach.
Publié dans: Proceedings of the International Conference on Learning Representations (ICLR), 2021
Éditeur: ICLR

Batch Normalization Orthogonalizes Representations in Deep Random Networks

Auteurs: H. Daneshmand, A. Joudaki, F. Bach.
Publié dans: Advances in NeurIPS, 2021
Éditeur: NeurIPS

Fast rates in structured prediction.

Auteurs: V. Cabannes, F. Bach, A. Rudi.
Publié dans: Proceedings of the Conference on Learning Theory (COLT), 2021
Éditeur: COLT

Non-peer reviewed articles (1)

Finite-sample analysis of M-estimators using self-concordance

Auteurs: Dmitrii Ostrovskii; Francis Bach
Publié dans: Electronic Journal of Statistics, Numéro 27, 2021, ISSN 1935-7524
Éditeur: Institute of Mathematical Statistics
DOI: 10.1214/20-ejs1780