Chi Jin

Geciteerd door

	Alles	Sinds 2018
Citaties	7896	7463
h-index	37	35
i10-index	49	49

2300

1150

575

1725

20152016201720182019202020212022202320 112 267 542 775 1142 1743 2257 988

Openbare toegang

Alles bekijken

23 artikelen

0 artikelen

beschikbaar

niet beschikbaar

Op basis van financieringsmachtigingen

Medeauteurs

Michael I. JordanProfessor of Electrical Engineering and Computer Sciences and Professor of Statistics, UC BerkeleyGeverifieerd e-mailadres voor cs.berkeley.edu
Praneeth NetrapalliGoogle ResearchGeverifieerd e-mailadres voor google.com
Rong GeDuke UniversityGeverifieerd e-mailadres voor cs.duke.edu
Sham M KakadeHarvard UniversityGeverifieerd e-mailadres voor seas.harvard.edu
Aaron SidfordStanford UniversityGeverifieerd e-mailadres voor stanford.edu
Prateek JainGoogle Research IndiaGeverifieerd e-mailadres voor google.com
Yang YuanMassachusetts Institute of TechnologyGeverifieerd e-mailadres voor cs.cornell.edu
Zeyuan Allen-Zhu （朱澤園）Meta AI / FAIR LabsGeverifieerd e-mailadres voor csail.mit.edu
Sebastien BubeckSr Principal Research Manager, ML Foundations group, Microsoft ResearchGeverifieerd e-mailadres voor microsoft.com
Simon Shaolei DuAssistant Professor, School of Computer Science and Engineering, University of WashingtonGeverifieerd e-mailadres voor cs.washington.edu
Jason D. LeeAssociate Professor of Electrical Engineering and Computer Science, Princeton UniversityGeverifieerd e-mailadres voor princeton.edu
Cameron MuscoAssistant Professor, University of Massachusetts AmherstGeverifieerd e-mailadres voor cs.umass.edu
Aarti SinghProfessor of Machine Learning Department, Carnegie Mellon UniversityGeverifieerd e-mailadres voor cmu.edu
Barnabas PoczosAssociate professor, Carnegie Mellon UniversityGeverifieerd e-mailadres voor cs.cmu.edu
Dan GarberAssociate Professor at Technion - Israel Institute of TechnologyGeverifieerd e-mailadres voor technion.ac.il
Elad HazanProfessor at Princeton University and Director Google AI PrincetonGeverifieerd e-mailadres voor princeton.edu
Yuchen ZhangResearch Scientist at ByteDanceGeverifieerd e-mailadres voor microsoft.com
Sivaraman BalakrishnanCarnegie Mellon UniversityGeverifieerd e-mailadres voor stat.cmu.edu

Volgen

Chi Jin

Assistant Professor, Princeton University

Geverifieerd e-mailadres voor princeton.edu - Homepage

Machine Learning Optimization


Titel Sorteren op citaties Sorteren op jaar Sorteren op titel	Geciteerd door Geciteerd door	Jaar
Escaping from saddle points—online stochastic gradient for tensor decomposition R Ge, F Huang, C Jin, Y Yuan Conference on learning theory, 797-842, 2015	1101	2015
How to escape saddle points efficiently C Jin, R Ge, P Netrapalli, SM Kakade, MI Jordan International conference on machine learning, 1724-1732, 2017	794	2017
Is Q-learning provably efficient? C Jin, Z Allen-Zhu, S Bubeck, MI Jordan Advances in neural information processing systems 31, 2018	711	2018
Provably efficient reinforcement learning with linear function approximation C Jin, Z Yang, Z Wang, MI Jordan Conference on Learning Theory, 2137-2143, 2020	500	2020
No spurious local minima in nonconvex low rank problems: A unified geometric analysis R Ge, C Jin, Y Zheng International Conference on Machine Learning, 1233-1242, 2017	424	2017
On gradient descent ascent for nonconvex-concave minimax problems T Lin, C Jin, M Jordan International Conference on Machine Learning, 6083-6093, 2020	365	2020
What is local optimality in nonconvex-nonconcave minimax optimization? C Jin, P Netrapalli, M Jordan International conference on machine learning, 4880-4889, 2020	318*	2020
Accelerated gradient descent escapes saddle points faster than gradient descent C Jin, P Netrapalli, MI Jordan Conference On Learning Theory, 1042-1085, 2018	245	2018
Gradient descent can take exponential time to escape saddle points SS Du, C Jin, JD Lee, MI Jordan, A Singh, B Poczos Advances in neural information processing systems 30, 2017	236	2017
Provably efficient exploration in policy optimization Q Cai, Z Yang, C Jin, Z Wang International Conference on Machine Learning, 1283-1294, 2020	214	2020
Near-optimal algorithms for minimax optimization T Lin, C Jin, MI Jordan Conference on Learning Theory, 2738-2779, 2020	198	2020
On nonconvex optimization for machine learning: Gradients, stochasticity, and saddle points C Jin, P Netrapalli, R Ge, SM Kakade, MI Jordan Journal of the ACM (JACM) 68 (2), 1-29, 2021	168*	2021
Local maxima in the likelihood of gaussian mixture models: Structural results and algorithmic consequences C Jin, Y Zhang, S Balakrishnan, MJ Wainwright, MI Jordan Advances in neural information processing systems 29, 2016	155	2016
Stochastic cubic regularization for fast nonconvex optimization N Tripuraneni, M Stern, C Jin, J Regier, MI Jordan Advances in neural information processing systems 31, 2018	154	2018
Reward-free exploration for reinforcement learning C Jin, A Krishnamurthy, M Simchowitz, T Yu International Conference on Machine Learning, 4870-4879, 2020	151	2020
Sampling can be faster than optimization YA Ma, Y Chen, C Jin, N Flammarion, MI Jordan Proceedings of the National Academy of Sciences 116 (42), 20881-20885, 2019	140	2019
Streaming pca: Matching matrix bernstein and near-optimal finite sample guarantees for oja’s algorithm P Jain, C Jin, SM Kakade, P Netrapalli, A Sidford Conference on learning theory, 1147-1164, 2016	136	2016
Bellman eluder dimension: New rich classes of rl problems, and sample-efficient algorithms C Jin, Q Liu, S Miryoosefi Advances in neural information processing systems 34, 13406-13418, 2021	130	2021
On the theory of transfer learning: The importance of task diversity N Tripuraneni, M Jordan, C Jin Advances in neural information processing systems 33, 7852-7862, 2020	128	2020
Provable meta-learning of linear representations N Tripuraneni, C Jin, M Jordan International Conference on Machine Learning, 10434-10443, 2021	125	2021

Het systeem kan de bewerking nu niet uitvoeren. Probeer het later opnieuw.

Artikelen 1–20

Citaties per jaar

Dubbele citaties

Samengevoegde citaties

Medeauteurs toevoegenMedeauteurs

Volgen

Geciteerd door

Medeauteurs