Buchumschlag

The Strong Screening Rule for SLOPE

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Larsson, Johan, Bogdan, Małgorzata, Wallin, Jonas
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning Computation 62J07 G.3; G.4
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Hessian Screening Rule
von: Larsson, Johan, et al.
Veröffentlicht: (2021)

Look-Ahead Screening Rules for the Lasso
von: Larsson, Johan
Veröffentlicht: (2021)

The Choice of Normalization Influences Shrinkage in Regularized Regression
von: Larsson, Johan, et al.
Veröffentlicht: (2025)

Coordinate Descent for SLOPE
von: Larsson, Johan, et al.
Veröffentlicht: (2022)

Efficient Solvers for SLOPE in R, Python, Julia, and C++
von: Larsson, Johan, et al.
Veröffentlicht: (2025)

The Unified Non-Convex Framework for Robust Causal Inference: Overcoming the Gaussian Barrier and Optimization Fragility
von: Uehara, Eichi
Veröffentlicht: (2025)

Diagonal Linear Networks and the Lasso Regularization Path
von: Berthier, Raphaël
Veröffentlicht: (2025)

Machine Collaboration
von: Liu, Qingfeng, et al.
Veröffentlicht: (2021)

Variable screening using factor analysis for high-dimensional data with multicollinearity
von: Tanaka, Shuntaro, et al.
Veröffentlicht: (2023)

SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
von: Lundström-Imanov, Gustav Olaf Yunus Laitinen-Fredriksson, et al.
Veröffentlicht: (2026)

Non-asymptotic analysis of the performance of the penalized least trimmed squares in sparse models
von: Zuo, Yijun
Veröffentlicht: (2025)

Predictive Hotspot Mapping for Data-driven Crime Prediction
von: Sriram, Karthik, et al.
Veröffentlicht: (2026)

Asymptotic Distribution of Low-Dimensional Patterns Induced by Non-Differentiable Regularizers under General Loss Functions
von: Hejný, Ivan, et al.
Veröffentlicht: (2025)

Support-Conditioned Flow Matching Is Kernel Smoothing
von: Smola, Daniel Matsui
Veröffentlicht: (2026)

Pattern recovery by SLOPE
von: Bogdan, Małgorzata, et al.
Veröffentlicht: (2022)

Regularized least squares learning with heavy-tailed noise is minimax optimal
von: Mollenhauer, Mattes, et al.
Veröffentlicht: (2025)

Dimension-independent rates for structured neural density estimation
von: Vandermeulen, Robert A., et al.
Veröffentlicht: (2024)

Pseudo-Labeling for Kernel Ridge Regression under Covariate Shift
von: Wang, Kaizheng
Veröffentlicht: (2023)

Strategic Play and Home Advantage: Coaches' Tactical Impact in Serie A
von: Angelini, Francesco, et al.
Veröffentlicht: (2025)

Learning What Evaluators Value: A Reliable Approach to Modeling Evaluator Preferences
von: Kitch, Madeline Celi, et al.
Veröffentlicht: (2026)

metabeta -- A fast neural model for Bayesian mixed-effects regression
von: Kipnis, Alex, et al.
Veröffentlicht: (2025)

Nonlinear filtering based on density approximation and deep BSDE prediction
von: Bågmark, Kasper, et al.
Veröffentlicht: (2025)

Unbiased Regression-Adjusted Estimation of Average Treatment Effects in Randomized Controlled Trials
von: Abadie, Alberto, et al.
Veröffentlicht: (2025)

Quasi-Bayes meets Vines
von: Huk, David, et al.
Veröffentlicht: (2024)

Breaking the curse of dimensionality in structured density estimation
von: Vandermeulen, Robert A., et al.
Veröffentlicht: (2024)

Prediction of Usage Probabilities of Shopping-Mall Corridors Using Heterogeneous Graph Neural Networks
von: Barakathullah, Malik M, et al.
Veröffentlicht: (2025)

TILT: Target-induced loss tilting under covariate shift
von: Yamamoto, Kakei, et al.
Veröffentlicht: (2026)

Estimating Unbounded Density Ratios: Applications in Error Control under Covariate Shift
von: Xu, Shuntuo, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Nonparametric Regression
von: Liu, Changyu, et al.
Veröffentlicht: (2025)

Model-free filtering in high dimensions via projection and score-based diffusions
von: Christensen, Sören, et al.
Veröffentlicht: (2025)

Recursive random binning to detect and display pairwise dependence
von: Salahub, Chris, et al.
Veröffentlicht: (2023)

A Gaussian process and linear-based framework for computing cut distributions in modular Bayesian calibration of two chained computer models
von: Baldé, Oumar, et al.
Veröffentlicht: (2023)

An energy-based deep splitting method for the nonlinear filtering problem
von: Bågmark, Kasper, et al.
Veröffentlicht: (2022)

A convergent scheme for the Bayesian filtering problem based on the Fokker--Planck equation and deep splitting
von: Bågmark, Kasper, et al.
Veröffentlicht: (2024)

Factor Augmented Quantile Regression Model
von: Wei, Xiaoyang, et al.
Veröffentlicht: (2025)

Polynomial Chaos Surrogate Construction for Random Fields with Parametric Uncertainty
von: Mueller, Joy N., et al.
Veröffentlicht: (2023)

Is attention truly all we need? An empirical study of asset pricing in pretrained RNN sparse and global attention models
von: Lai, Shanyan
Veröffentlicht: (2025)

Statistical Properties of Deep Neural Networks with Dependent Data
von: Brown, Chad
Veröffentlicht: (2024)

Physics-Informed Singular-Value Learning for Cross-Covariances Forecasting in Financial Markets
von: Manolakis, Efstratios, et al.
Veröffentlicht: (2026)

Transcendental Regularization of Finite Mixtures:Theoretical Guarantees and Practical Limitations
von: Fokoué, Ernest
Veröffentlicht: (2026)