Copertina

The Nyström method for convex loss functions

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Della Vecchia, Andrea, De Vito, Ernesto, Mourtada, Jaouad, Rosasco, Lorenzo
Natura:	Preprint
Pubblicazione:	2020
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Computational Efficiency under Covariate Shift in Kernel Ridge Regression
di: Della Vecchia, Andrea, et al.
Pubblicazione: (2025)

Estimation of discrete distributions in relative entropy, and the deviations of the missing mass
di: Mourtada, Jaouad
Pubblicazione: (2025)

Universal coding, intrinsic volumes, and metric complexity
di: Mourtada, Jaouad
Pubblicazione: (2023)

A Scalable Nystrom-Based Kernel Two-Sample Test with Permutations
di: Chatalic, Antoine, et al.
Pubblicazione: (2025)

Finite-sample performance of the maximum likelihood estimator in logistic regression
di: Chardon, Hugo, et al.
Pubblicazione: (2024)

Learning functions, operators and dynamical systems with kernels
di: Rosasco, Lorenzo
Pubblicazione: (2025)

Efficient Numerical Integration in Reproducing Kernel Hilbert Spaces via Leverage Scores Sampling
di: Chatalic, Antoine, et al.
Pubblicazione: (2023)

Neural reproducing kernel Banach spaces and representer theorems for deep networks
di: Bartolucci, Francesca, et al.
Pubblicazione: (2024)

Linear quadratic control of nonlinear systems with Koopman operator learning and the Nyström method
di: Caldarelli, Edoardo, et al.
Pubblicazione: (2024)

Learning Multi-Index Models with Hyper-Kernel Ridge Regression
di: Huang, Shuo, et al.
Pubblicazione: (2025)

Learning convolution operators on compact Abelian groups
di: Magnani, Emilia, et al.
Pubblicazione: (2025)

Iterative regularization in classification via hinge loss diagonal descent
di: Apidopoulos, Vassilis, et al.
Pubblicazione: (2022)

Ratio Covers of Convex Sets and Optimal Mixture Density Estimation
di: Compton, Spencer, et al.
Pubblicazione: (2026)

Error Propagation in Dynamic Programming: From Stochastic Control to Option Pricing
di: Della Vecchia, Andrea, et al.
Pubblicazione: (2025)

Stochastic Online Instrumental Variable Regression: Regrets for Endogeneity and Bandit Feedback
di: Della Vecchia, Riccardo, et al.
Pubblicazione: (2023)

Adaptive Class Emergence Training: Enhancing Neural Network Stability and Generalization through Progressive Target Evolution
di: Dabounou, Jaouad
Pubblicazione: (2024)

Adaptive Feedforward Gradient Estimation in Neural ODEs
di: Dabounou, Jaouad
Pubblicazione: (2024)

Analysis of Nystrom method with sequential ridge leverage scores
di: Calandriello, Daniele, et al.
Pubblicazione: (2026)

Learning Sparse Compositional Functions with Norm-Constrained Neural Networks
di: Huang, Shuo, et al.
Pubblicazione: (2026)

Snacks: a fast large-scale kernel SVM solver
di: Tanji, Sofiane, et al.
Pubblicazione: (2023)

Towards a Learning Theory of Representation Alignment
di: Insulla, Francesco, et al.
Pubblicazione: (2025)

Cooperative Online Learning with Feedback Graphs
di: Cesa-Bianchi, Nicolò, et al.
Pubblicazione: (2021)

A New Formulation for Zeroth-Order Optimization of Adversarial EXEmples in Malware Detection
di: Rando, Marco, et al.
Pubblicazione: (2024)

On the Sample Complexity of Learning for Blind Inverse Problems
di: Buskulic, Nathan, et al.
Pubblicazione: (2025)

E-ROBOT: a dimension-free method for robust statistics and machine learning via Schrödinger bridge
di: La Vecchia, Davide, et al.
Pubblicazione: (2025)

On the Nystrom Approximation for Preconditioning in Kernel Machines
di: Abedsoltan, Amirhesam, et al.
Pubblicazione: (2023)

Stochastic Zeroth order Descent with Structured Directions
di: Rando, Marco, et al.
Pubblicazione: (2022)

The $φ$ Curve: The Shape of Generalization through the Lens of Norm-based Capacity Control
di: Wang, Yichen, et al.
Pubblicazione: (2025)

SGD for Variational Inference: Tackling Unbounded Variance via Preconditioning and Dynamic Batching
di: Labarrière, Hippolyte, et al.
Pubblicazione: (2026)

Key Design Choices in Source-Free Unsupervised Domain Adaptation: An In-depth Empirical Analysis
di: Maracani, Andrea, et al.
Pubblicazione: (2024)

Learning in Feature Spaces via Coupled Covariances: Asymmetric Kernel SVD and Nyström method
di: Tao, Qinghua, et al.
Pubblicazione: (2024)

Kernel Density Machines
di: Della Vecchia, Andrea, et al.
Pubblicazione: (2025)

Enhancing Neural Network Interpretability Through Conductance-Based Information Plane Analysis
di: Dabounou, Jaouad, et al.
Pubblicazione: (2024)

A survey and taxonomy of loss functions in machine learning
di: Ciampiconi, Lorenzo, et al.
Pubblicazione: (2023)

A model for efficient dynamical ranking in networks
di: Della Vecchia, Andrea, et al.
Pubblicazione: (2023)

Q-learning with temporal memory to navigate turbulence
di: Rando, Marco, et al.
Pubblicazione: (2024)

Optimization Insights into Deep Diagonal Linear Networks
di: Labarrière, Hippolyte, et al.
Pubblicazione: (2024)

Interpretable Self-Supervised Learning via Representer Landmarks and Nyström Approximation
di: Zarvandi, Maedeh, et al.
Pubblicazione: (2025)

Strong convexity-guided hyper-parameter optimization for flatter losses
di: Yedida, Rahul, et al.
Pubblicazione: (2024)

Inference via robust optimal transportation: theory and methods
di: Ma, Yiming, et al.
Pubblicazione: (2023)