SCAFFLSA: Taming Heterogeneity in Federated Linear Stochastic Approximation and TD Learning

Mangold P.; S. Samsonov; Labbi S.; I. Levin; Alami R.; A. Naumov; E. Moulines

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

1 октября 2026 г.

Смыслы, скорость и локальный код: как изменится потребительский спрос в креативных индустриях к 2029 году

Институт развития креативных индустрий ФКИ ВШЭ подвел итоги масштабного Трендвотчинг-исследования, проведенного весной 2026 года. В нем приняли участие более 300 ведущих экспертов. Одним из ключевых выводов стало понимание: потребитель больше не покупает продукт как набор функций. Он выбирает отношение, скорость, смысл и личную вовлеченность. В качестве доминирующего тренда на трехлетнем горизонте зафиксирован переход от материальных характеристик продукта к нематериальным.

1 октября 2026 г.

Российские ученые оценили скрытые риски болезней сердца у 43 тысяч человек

Исследователи НИУ ВШЭ и «Биотехнологического кампуса» проанализировали более 43 000 геномов здоровых участников Национальной генетической инициативы «100 000+Я». У 559 человек обнаружили патогенные или вероятно патогенные варианты генов, связанные с риском сердечно-сосудистых заболеваний. Такие данные позволяют раньше начать лечение или провести дополнительное обследование. О результатах исследования ученые рассказали на конгрессе «Генетика и сердце» в НИУ ВШЭ.

30 сентября 2026 г.

Ученые НИУ ВШЭ - Санкт-Петербург нашли способ ускорения нейросетей при помощи микролазеров

Ученые Международной лаборатории квантовой оптоэлектроники НИУ ВШЭ — Санкт-Петербург и Лазерного института Академии наук Шаньдунь (Китай) смогли напрямую сопоставить скорость микродисковых лазеров, работающих от оптической и электрической энергии. Результаты позволят оптимизировать работу источников излучения в фотонных чипах для нейросетей и дата-центров. Исследование опубликовано в журналеJournal of Lightwave Technology.

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

SCAFFLSA: Taming Heterogeneity in Federated Linear Stochastic Approximation and TD Learning

Ch. 37. P. 13927–13981.

Mangold P., Самсонов С. В., Labbi S., Левин И. В., Alami R., Наумов А. А., Мулине Э. Ф.

Язык: английский

Текст на другом сайте

Ключевые слова: linear stochastic approximation стохастическая аппроксимация TD Learning Taming Heterogeneity

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Разработка и теоретический анализ новых эффективных стохастических алгоритмов машинного обучения (2024)

В книге

38th Conference on Neural Information Processing Systems (NeurIPS 2024)

[б.и.], 2024.

Gaussian Approximation and Multiplier Bootstrap for Federated Linear Stochastic Approximation

Левин И. В., Шуклин М. В., Moulines E. и др., , in: Proceedings of the 42nd Conference on Uncertainty in Artificial Intelligence (UAI), PMLR Volume 337, 17-21 August 2026, KIT, Amsterdam, the NetherlandsVol. 337.: Proceedings of Machine Learning Research , 2026. Ch. 134 P. 3487–3545.

Добавлено: 4 сентября 2026 г.

High-Order Error Bounds for Markovian LSA with Richardson–Romberg Extrapolation

Левин И. В., Наумов А. А., Самсонов С. В., , in: Proceedings of the AAAI Conference on Artificial Intelligence. AAAI-26: AAAI Technical Track on Planning, Routing, and Scheduling; AAAI Technical Track on Reasoning under Uncertainty; AAAI Technical Track on Search and Optimization. Main Track, volume 40 no. 43.: American Association for Artificial Intelligence (AAAI) Press, 2026. P. 36696–36704.

Добавлено: 17 апреля 2026 г.

Statistical inference for Linear Stochastic Approximation with Markovian Noise

Самсонов С. В., Шешукова М. Е., Moulines E. и др., , in: 39th Conference on Neural Information Processing Systems (NeurIPS 2025).: NeurIPS, 2025. P. 174565–174626.

Добавлено: 26 января 2026 г.

Improved High-Probability Bounds for the Temporal Difference Learning Algorithm via Exponential Stability

Самсонов С. В., Тяпкин Д. Н., Наумов А. А. и др., , in: Proceedings of Machine Learning Research. Volume 247: The Thirty Seventh Annual Conference on Learning Theory, 30-3 July 2023, Edmonton, Canada.: PMLR, 2024. Ch. 247 P. 4511–4547.

Добавлено: 13 октября 2024 г.

Finite-Time High-Probability Bounds for Polyak–Ruppert Averaged Iterates of Linear Stochastic Approximation

Durmus A., Мулине Э. Ф., Наумов А. А. и др., Mathematics of Operations Research 2025 Vol. 50 No. 2 P. 935–964

Добавлено: 13 июля 2022 г.

Tight High Probability Bounds for Linear Stochastic Approximation with Fixed Stepsize

Durmus A., Мулине Э. Ф., Наумов А. А. и др., , in: Advances in Neural Information Processing Systems 34 (NeurIPS 2021).: Curran Associates, Inc., 2021. P. 30063–30074.

This paper provides a non-asymptotic analysis of linear stochastic approximation (LSA) algorithms with fixed stepsize. This family of methods arises in many machine learning tasks and is used to obtain approximate solutions of a linear system $\bar{A}\theta = \bar{b}$ for which $\bar{A}$ and $\bar{b}$ can only be accessed through random estimates $\{({\bf A}_n, {\bf b}_n): ...

Добавлено: 17 февраля 2022 г.

On the Stability of Random Matrix Product with Markovian Noise: Application to Linear Stochastic Approximation and TD Learning

Durmus A., Мулине Э. Ф., Наумов А. А. и др., , in: Proceedings of Machine Learning ResearchVol. 134: Conference on Learning Theory.: PMLR, 2021. P. 1711–1752.

Добавлено: 6 августа 2021 г.