Buchumschlag

Learning Operators with Stochastic Gradient Descent in General Hilbert Spaces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Lei, Yang, Jia-Qi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Functional Analysis Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Operators by Regularized Stochastic Gradient Descent with Operator-valued Kernels
von: Yang, Jia-Qi, et al.
Veröffentlicht: (2025)

A Kernel-based Stochastic Approximation Framework for Nonlinear Operator Learning
von: Yang, Jia-Qi, et al.
Veröffentlicht: (2025)

Stochastic approximation in infinite dimensions
von: Karandikar, Rajeeva Laxman, et al.
Veröffentlicht: (2024)

Fisher-Rao Gradient Flow: Geodesic Convexity and Functional Inequalities
von: Carrillo, José A., et al.
Veröffentlicht: (2024)

Which Spaces can be Embedded in $L_p$-type Reproducing Kernel Banach Space? A Characterization via Metric Entropy
von: Lu, Yiping, et al.
Veröffentlicht: (2024)

Which Spaces can be Embedded in Reproducing Kernel Hilbert Spaces?
von: Schölpple, Max, et al.
Veröffentlicht: (2023)

Distribution-Free Stochastic Analysis and Robust Multilevel Vector Field Anomaly Detection
von: Castrillon-Candas, Julio E, et al.
Veröffentlicht: (2022)

Pointwise Generalization in Deep Neural Networks
von: Li, Shaojie, et al.
Veröffentlicht: (2026)

A Kernel-Based Approach for Modelling Gaussian Processes with Functional Information
von: Brown, D. Andrew, et al.
Veröffentlicht: (2022)

Generalized Inversion of Nonlinear Operators
von: Gofer, Eyal, et al.
Veröffentlicht: (2021)

Sharp Matrix Empirical Bernstein Inequalities
von: Wang, Hongjian, et al.
Veröffentlicht: (2024)

Constructive Approximation under Carleman's Condition, with Applications to Smoothed Analysis
von: Koehler, Frederic, et al.
Veröffentlicht: (2025)

Hoeffding decomposition of black-box models with dependent inputs
von: Idrissi, Marouane Il, et al.
Veröffentlicht: (2023)

Minimum Norm Interpolation via The Local Theory of Banach Spaces: The Role of $2$-Uniform Convexity
von: Kur, Gil, et al.
Veröffentlicht: (2026)

Interactive Learning of Single-Index Models via Stochastic Gradient Descent
von: Rajaraman, Nived, et al.
Veröffentlicht: (2026)

Linear estimators for Gaussian random variables in Hilbert spaces
von: Tappe, Stefan
Veröffentlicht: (2023)

Markov Chain Gradient Descent in Hilbert Spaces
von: Roy, Priyanka, et al.
Veröffentlicht: (2024)

Faster logconcave sampling from a cold start in high dimension
von: Kook, Yunbum, et al.
Veröffentlicht: (2025)

Sharp Generalization for Nonparametric Regression in Interpolation Space by Over-Parameterized Neural Networks Trained with Preconditioned Gradient Descent and Early Stopping
von: Yang, Yingzhen, et al.
Veröffentlicht: (2024)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)

Zeroth-order Logconcave Sampling
von: Kook, Yunbum, et al.
Veröffentlicht: (2025)

Limit Theorems for Stochastic Gradient Descent in High-Dimensional Single-Layer Networks
von: Rangriz, Parsa
Veröffentlicht: (2025)

Convergence Rates for Learning Pseudo-Differential Operators
von: Chen, Jiaheng, et al.
Veröffentlicht: (2026)

AI without networks
von: Mitra, Partha P, et al.
Veröffentlicht: (2021)

Type-II Saddles and Probabilistic Stability of Stochastic Gradient Descent
von: Ziyin, Liu, et al.
Veröffentlicht: (2023)

Towards Sharp Minimax Risk Bounds for Operator Learning
von: Adcock, Ben, et al.
Veröffentlicht: (2025)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

An Interpretable Approach to Load Profile Forecasting in Power Grids using Galerkin-Approximated Koopman Pseudospectra
von: Tavasoli, Ali, et al.
Veröffentlicht: (2023)

Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)

Score Operator Newton transport
von: Chandramoorthy, Nisha, et al.
Veröffentlicht: (2023)

Gradient Descent with Projection Finds Over-Parameterized Neural Networks for Learning Low-Degree Polynomials with Nearly Minimax Optimal Rate
von: Yang, Yingzhen, et al.
Veröffentlicht: (2026)

Operator limit of Wigner matrices I
von: Banerjee, Debapratim
Veröffentlicht: (2025)

Invariant kernels on the space of complex covariance matrices
von: Said, Salem, et al.
Veröffentlicht: (2024)

Positive Definite Kernels and Random Sequences Connected to Polynomial Hypergroups
von: Hösel, Volker
Veröffentlicht: (2024)

A Stein Gradient Descent Approach for Doubly Intractable Distributions
von: Lee, Heesang, et al.
Veröffentlicht: (2024)

Failures and Successes of Cross-Validation for Early-Stopped Gradient Descent
von: Patil, Pratik, et al.
Veröffentlicht: (2024)

Metric Entropy and Minimax Risk of Ellipsoids with an Application to Pinsker's Theorem
von: Allard, Thomas
Veröffentlicht: (2025)

Statistical microlocal analysis in two-dimensional X-ray CT
von: Abhishek, Anuj, et al.
Veröffentlicht: (2025)

Finite-Particle Rates for Regularized Stein Variational Gradient Descent
von: He, Ye, et al.
Veröffentlicht: (2026)

Gaussian Differentially Private Human Faces Under a Face Radial Curve Representation
von: Soto, Carlos, et al.
Veröffentlicht: (2024)