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

13 августа 2026 г.

Социальная интеграция: на перекрестках знаний и ценностей

Международная лаборатория исследований социальной интеграции (МЛИСИ) НИУ ВШЭ занимается изучением проблем уязвимых слоев населения и поиском методов их вовлечения в полноценную повседневную жизнь. Для поиска решений ученые лаборатории сочетают разработку передовых методов с практической работой «в поле». О деятельности лаборатории новостной службе «Вышка.Главное» рассказала ее заведующая Елена Ярская-Смирнова.

12 августа 2026 г.

Студенты Вышки, вероятно, обнаружили новый вид медузы во время практики на Сахалине

Учащиеся факультета биологии и биотехнологии НИУ ВШЭ стали первыми студентами, которые приехали в экспедицию на биостанцию «Анива» на острове Сахалин. Их целью было изучение морских полипов и медуз. Молодым ученым удалось получить неожиданные результаты: возможно, во время полевых работ они обнаружили новые для региона виды. Теперь часть находок привезут в Москву для детального изучения. Об экспедиции студентки рассказали «Вышке.Главное».

12 августа 2026 г.

«Я бы назвал атмосферу в лаборатории и в университете творческой и стимулирующей»

Научный сотрудник Международной лаборатории стохастического анализа и его приложений НИУ ВШЭ французский ученый Жан-Франсуа Жабир работает в НИУ ВШЭ с 2017 года. Его привлекла возможность вести исследования совместно с ведущими зарубежными и российскими учеными, свобода академических дискуссий и открытость университета. Своими впечатлениями о Вышке и Москве Жан-Франсуа Жабир поделился с новостной службой «Вышка.Главное».

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.

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.