non-convex-optimization

GLENS是一种数据高效的全局搜索方法，利用扩散模型通过将中间求解器迭代作为免费数据增强，为非凸优化问题中的局部最小值生成多样且高质量的初始猜测。

本文首次建立了使用小批量SGD和带有相关噪声的DP-SGD训练的Kolmogorov-Arnold网络的总体风险界，推动了在隐私敏感领域对KAN的理论理解。