Buchumschlag

Rank-1 Matrix Completion with Gradient Descent and Small Random Initialization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Daesung, Chung, Hye Won
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Global Convergence Analysis of Vanilla Gradient Descent for Asymmetric Matrix Completion
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Scaled Gradient Descent for Ill-Conditioned Low-Rank Matrix Recovery with Optimal Sampling Complexity
von: Li, Zhenxuan, et al.
Veröffentlicht: (2026)

Exact Matching in Correlated Networks with Node Attributes for Improved Community Recovery
von: Yang, Joonhyuk, et al.
Veröffentlicht: (2025)

Guaranteed Nonconvex Low-Rank Tensor Estimation via Scaled Gradient Descent
von: Wu, Tong
Veröffentlicht: (2025)

Convergence of Gradient Descent with Small Initialization for Unregularized Matrix Completion
von: Ma, Jianhao, et al.
Veröffentlicht: (2024)

How Transformers Learn Causal Structure with Gradient Descent
von: Nichani, Eshaan, et al.
Veröffentlicht: (2024)

On the Theory of Continual Learning with Gradient Descent for Neural Networks
von: Taheri, Hossein, et al.
Veröffentlicht: (2025)

Structured Gradient Descent for Fast Robust Low-Rank Hankel Matrix Completion
von: Cai, HanQin, et al.
Veröffentlicht: (2022)

Matrix Completion in Group Testing: Bounds and Simulations
von: Tran, Trung-Khang, et al.
Veröffentlicht: (2025)

A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent
von: Wang, Shuche, et al.
Veröffentlicht: (2024)

Deep Learning and Matrix Completion-aided IoT Network Localization in the Outlier Scenarios
von: Kim, Sunwoo
Veröffentlicht: (2025)

Gradient Descent Finds Over-Parameterized Neural Networks with Sharp Generalization for Nonparametric Regression
von: Yang, Yingzhen, et al.
Veröffentlicht: (2024)

Non-Coherent Over-the-Air Decentralized Gradient Descent
von: Michelusi, Nicolo'
Veröffentlicht: (2022)

Matrix Completion via Nonsmooth Regularization of Fully Connected Neural Networks
von: Faramarzi, Sajad, et al.
Veröffentlicht: (2024)

Orthogonal Approximate Message Passing with Optimal Spectral Initializations for Rectangular Spiked Matrix Models
von: Chen, Haohua, et al.
Veröffentlicht: (2025)

Stochastic Smoothed Gradient Descent Ascent for Federated Minimax Optimization
von: Shen, Wei, et al.
Veröffentlicht: (2023)

Leave-One-Out Analysis for Nonconvex Robust Matrix Completion with General Thresholding Functions
von: Wang, Tianming, et al.
Veröffentlicht: (2024)

On the Robustness of Cross-Concentrated Sampling for Matrix Completion
von: Cai, HanQin, et al.
Veröffentlicht: (2024)

The Blind Normalized Stein Variational Gradient Descent-Based Detection for Intelligent Random Access in Cellular IoT
von: Zhu, Xin, et al.
Veröffentlicht: (2024)

Matrix Completion with Hypergraphs:Sharp Thresholds and Efficient Algorithms
von: Ma, Zhongtian, et al.
Veröffentlicht: (2024)

Low-Rank Toeplitz Matrix Restoration: Descent Cone Analysis and Structured Random Matrix
von: Huang, Gao, et al.
Veröffentlicht: (2024)

Local to Global: Learning Dynamics and Effect of Initialization for Transformers
von: Makkuva, Ashok Vardhan, et al.
Veröffentlicht: (2024)

Convexity in Disguise: A Theoretical Framework for Nonconvex Low-Rank Matrix Estimation
von: Cui, Chengyu, et al.
Veröffentlicht: (2026)

Efficient Wireless Federated Learning via Low-Rank Gradient Factorization
von: Guo, Mingzhao, et al.
Veröffentlicht: (2024)

Joint Constellation Shaping Using Gradient Descent Approach for MU-MIMO Broadcast Channel
von: Vaillant, Maxime, et al.
Veröffentlicht: (2024)

Stabilization of Perturbed Loss Function: Differential Privacy without Gradient Noise
von: Habib, Salman, et al.
Veröffentlicht: (2025)

Estimating the Hessian Matrix of Ranking Objectives for Stochastic Learning to Rank with Gradient Boosted Trees
von: Kang, Jingwei, et al.
Veröffentlicht: (2024)

Why Does Stochastic Gradient Descent Slow Down in Low-Precision Training?
von: Yun, Vincent-Daniel
Veröffentlicht: (2025)

Turbo-CF: Matrix Decomposition-Free Graph Filtering for Fast Recommendation
von: Park, Jin-Duk, et al.
Veröffentlicht: (2024)

Asymptotic Behavior of Multi--Task Learning: Implicit Regularization and Double Descent Effects
von: Alrashdi, Ayed M., et al.
Veröffentlicht: (2026)

Decoupled Descent: Exact Test Error Tracking Via Approximate Message Passing
von: Lovig, Max
Veröffentlicht: (2026)

Multi-head Transformers Provably Learn Symbolic Multi-step Reasoning via Gradient Descent
von: Yang, Tong, et al.
Veröffentlicht: (2025)

Near-optimal Rank Adaptive Inference of High Dimensional Matrices
von: Zheng, Frédéric, et al.
Veröffentlicht: (2025)

Theoretical Guarantees for Low-Rank Compression of Deep Neural Networks
von: Zhang, Shihao, et al.
Veröffentlicht: (2025)

Bandit Convex Optimization with Gradient Prediction Adaptivity
von: Wang, Shuche, et al.
Veröffentlicht: (2026)

Learning to Compress: Local Rank and Information Compression in Deep Neural Networks
von: Patel, Niket, et al.
Veröffentlicht: (2024)

Byzantine-Resilient Federated PCA and Low Rank Column-wise Sensing
von: Singh, Ankit Pratap, et al.
Veröffentlicht: (2023)

Information-Theoretic Guarantees for Recovering Low-Rank Tensors from Symmetric Rank-One Measurements
von: Kızıldağ, Eren C.
Veröffentlicht: (2025)

Testing Dependency of Weighted Random Graphs
von: Oren, Mor, et al.
Veröffentlicht: (2024)

Sharper Guarantees for Learning Neural Network Classifiers with Gradient Methods
von: Taheri, Hossein, et al.
Veröffentlicht: (2024)