ACelerated COnvex OPTimization

Informazioni relative al progetto

ACCOPT

ID dell’accordo di sovvenzione: 788368

DOI

10.3030/788368

Progetto chiuso

Data della firma CE 5 Giugno 2018

Data di avvio 1 Settembre 2018

Data di completamento 31 Agosto 2024

Finanziato da

• EXCELLENT SCIENCE - European Research Council (ERC)

Costo totale

€ 2 090 038,00

Contributo UE

€ 2 090 038,00

Coordinato da

UNIVERSITE CATHOLIQUE DE LOUVAIN
Belgium

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Peer reviewed articles (25)

On inexact solution of auxiliary problems in tensor methods for convex optimization

Autori: G.N. Grapiglia, Yu. Nesterov
Pubblicato in: Optimization Methods and Software, Numero 36(1), 2021, Pagina/e 145 - 170, ISSN 1055-6788
Editore: Taylor & Francis
DOI: 10.1080/10556788.2020.1731749

Tensor Methods for Minimizing Convex Functions with Hölder Continuous Higher-Order Derivatives

Autori: G. N. Grapiglia, Yu. Nesterov
Pubblicato in: SIAM Journal on Optimization, Numero 30/4, 2020, Pagina/e 2750-2779, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/19m1259432

Superfast second-order methods for unconstrained convex optimization

Autori: Yurii Nesterov
Pubblicato in: Journal of Optimization Theory and Applications, Numero 191, 2021, Pagina/e 1-30, ISSN 0022-3239
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-021-01930-y

Inexact High-Order Proximal-Point Methods with Auxiliary Search Procedure

Autori: Yurii Nesterov
Pubblicato in: SIAM Journal of Optimization, Numero 31(4), 2021, Pagina/e 2807-2828, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/20m134705x

Gradient methods with memory

Autori: Yurii Nesterov, Mihai I. Florea
Pubblicato in: Optimization Methods and Software, Numero Online First, 2021, Pagina/e 1-18, ISSN 1055-6788
Editore: Taylor & Francis
DOI: 10.1080/10556788.2020.1858831

Contracting Proximal Methods for Smooth Convex Optimization

Autori: Nikita Doikov, Yurii Nesterov
Pubblicato in: SIAM Journal on Optimization, Numero 30/4, 2020, Pagina/e 3146-3169, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/19m130769x

Affine-invariant contracting-point methods for Convex Optimization

Autori: Nikita Doikov; Yurii Nesterov
Pubblicato in: Mathematical Programming, (2022), Numero 198(1), 2023, Pagina/e 115–137, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-021-01761-9

Rates of superlinear convergence for classical quasi-Newton methods

Autori: Anton Rodomanov, Yurii Nesterov
Pubblicato in: Mathematical Programming, Numero 188(3), 2021, Pagina/e 744-769, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-021-01622-5

Computation of the Analytic Center of the Solution Set of the Linear Matrix Inequality Arising in Continuous- and Discrete-Time Passivity Analysis

Autori: Daniel Bankmann, Volker Mehrmann, Yurii Nesterov, Paul Van Dooren
Pubblicato in: Vietnam Journal of Mathematics, Numero 48, 2020, Pagina/e 633–659, ISSN 2305-221X
Editore: Springer Science + Business Media
DOI: 10.1007/s10013-020-00427-x

New Results on Superlinear Convergence of Classical Quasi-Newton Methods

Autori: Anton Rodomanov, Yurii Nesterov
Pubblicato in: Journal of Optimization Theory and Applications, Numero 188/3, 2021, Pagina/e 744-769, ISSN 0022-3239
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-020-01805-8

Local convergence of tensor methods

Autori: Nikita Doikov, Yurii Nesterov
Pubblicato in: Mathematical Programming, Numero Online First, 2021, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-020-01606-x

Inexact basic tensor methods for some classes of convex optimization problems

Autori: Yurii Nesterov
Pubblicato in: Optimization Methods and Software, Numero Online First, 2020, Pagina/e 1-29, ISSN 1055-6788
Editore: Taylor & Francis
DOI: 10.1080/10556788.2020.1854252

Smoothness Parameter of Power of Euclidean Norm

Autori: Anton Rodomanov, Yurii Nesterov
Pubblicato in: Journal of Optimization Theory and Applications, 2020, ISSN 0022-3239
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-020-01653-6

Implementable tensor methods in unconstrained convex optimization

Autori: Yurii Nesterov
Pubblicato in: Mathematical Programming, 2019, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-019-01449-1

On the Quality of First-Order Approximation of Functions with Hölder Continuous Gradient

Autori: Guillaume O. Berger, P.-A. Absil, Raphaël M. Jungers, Yurii Nesterov
Pubblicato in: Journal of Optimization Theory and Applications, Numero 185(1), 2020, Pagina/e 17-33, ISSN 0022-3239
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-020-01632-x

Tensor methods for finding approximate stationary points of convex functions

Autori: G.N. Grapiglia, Yu. Nesterov
Pubblicato in: Optimization Methods and Software, Numero Online First, 2021, ISSN 1055-6788
Editore: Taylor & Francis
DOI: 10.1080/10556788.2020.1818082

Greedy Quasi-Newton Methods with Explicit Superlinear Convergence

Autori: Anton Rodomanov, Yurii Nesterov
Pubblicato in: SIAM Journal on Optimization, Numero 31(1), 2021, Pagina/e 785–811, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/20m1320651

High-Order Optimization Methods for Fully Composite Problems

Autori: Nikita Doikov; Yurii Nesterov
Pubblicato in: SIAM Journal on Optimization, Numero 32(3), 2022, Pagina/e 2402-2427, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/21m1410063

Gradient regularization of Newton method with Bregman distances

Autori: Nikita Doikov; Yurii Nesterov
Pubblicato in: Mathematical Programming, Numero Online First, 2023, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-023-01943-7

Inexact accelerated high-order proximal-point methods

Autori: Yurii Nesterov
Pubblicato in: Mathematical Programming, Numero 197, 2023, Pagina/e 1-26, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-021-01727-x

Adaptive Third-Order Methods for Composite Convex Optimization

Autori: G. N. Grapiglia, Yu. Nesterov
Pubblicato in: SIAM Journal on Optimization, Numero 33, 2023, Pagina/e 1855-1883, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/22m1480872

Minimizing Uniformly Convex Functions by Cubic Regularization of Newton Method

Autori: Nikita Doikov, Yurii Nesterov
Pubblicato in: Journal of Optimization Theory and Applications, Numero 189, 2021, Pagina/e 317-339, ISSN 0022-3239
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-021-01838-7

Super-Universal Regularized Newton Method

Autori: Nikita Doikov, Konstantin Mishchenko, Yurii Nesterov
Pubblicato in: SIAM Journal on Optimization, Numero 34, 2024, Pagina/e 27-56, ISSN 1052-6234
Editore: Society for Industrial and Applied Mathematics
DOI: 10.1137/22m1519444

Subgradient ellipsoid method for nonsmooth convex problems

Autori: Anton Rodomanov; Yurii Nesterov
Pubblicato in: Mathematical Programming, Numero 199, 2023, Pagina/e 305-341, ISSN 0025-5610
Editore: Springer Verlag
DOI: 10.1007/s10107-022-01833-4

Set-Limited Functions and Polynomial-Time Interior-Point Methods

Autori: Nesterov Yurii
Pubblicato in: Journal of Optimization Theory and Applications, Numero Online First, 2023, ISSN 0022-3239
Editore: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-023-02163-x

Other (1)

Complexity and Simplicity of Optimization Problems

Autori: Yurii Nesterov
Pubblicato in: The Project Repository Journal, Numero 6, 2020, Pagina/e 130-131, ISSN 2632-4067
Editore: European Dissemination Media

Conference proceedings (3)

Convex optimization based on global lower second-order models

Autori: Nikita Doikov, Yurii Nesterov
Pubblicato in: Advances in Neural Information Processing Systems (NeurIPS), Numero 33, 2020, Pagina/e 16546-16556
Editore: Neural Information Processing Systems

Inexact Tensor Methods with Dynamic Accuracies

Autori: Nikita Doikov, Yurii Nesterov
Pubblicato in: Proceedings of the 37th International Conference on Machine Learning (ICML), Numero 119, 2020, Pagina/e 2577-2586
Editore: ML Research Press

Stochastic Subspace Cubic Newton Method

Autori: Filip Hanzely, Nikita Doikov, Peter Richtárik, Yurii Nesterov
Pubblicato in: Proceedings of the 37th International Conference on Machine Learning, Numero 119, 2020, Pagina/e 4027-4038
Editore: ML Research Press

Non-peer reviewed articles (1)

Soft clustering by convex electoral model

Autori: Yurii Nesterov
Pubblicato in: Soft Computing, Numero 24/23, 2020, Pagina/e 17609-17620, ISSN 1432-7643
Editore: Springer Verlag
DOI: 10.1007/s00500-020-05148-4