Copertina

Oja's Algorithm for Streaming Sparse PCA

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kumar, Syamantak, Sarkar, Purnamrita
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Statistics Theory Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Beyond Sin-Squared Error: Linear-Time Entrywise Uncertainty Quantification for Streaming PCA
di: Kumar, Syamantak, et al.
Pubblicazione: (2025)

Dimension-free Score Matching and Time Bootstrapping for Diffusion Models
di: Kumar, Syamantak, et al.
Pubblicazione: (2025)

Low-Precision Streaming PCA
di: Dasgupta, Sanjoy, et al.
Pubblicazione: (2025)

Nonparametric Evaluation of Noisy ICA Solutions
di: Kumar, Syamantak, et al.
Pubblicazione: (2024)

Combinatorial Sparse PCA Beyond the Spiked Identity Model
di: Kumar, Syamantak, et al.
Pubblicazione: (2026)

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective
di: Roy, Saptarshi, et al.
Pubblicazione: (2026)

On Differentially Private U Statistics
di: Chaudhuri, Kamalika, et al.
Pubblicazione: (2024)

Sparse PCA With Multiple Components
di: Cory-Wright, Ryan, et al.
Pubblicazione: (2022)

An Algorithm for Streaming Differentially Private Data
di: Kumar, Girish, et al.
Pubblicazione: (2024)

Federated PCA and Estimation for Spiked Covariance Matrices: Optimal Rates and Efficient Algorithm
di: Li, Jingyang, et al.
Pubblicazione: (2024)

A Geometric Analysis of PCA
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2025)

Spike-and-Slab Posterior Sampling in High Dimensions
di: Kumar, Syamantak, et al.
Pubblicazione: (2025)

Almost-Optimal Local-Search Methods for Sparse Tensor PCA
di: Lovig, Max, et al.
Pubblicazione: (2025)

An Iterative Algorithm for Differentially Private $k$-PCA with Adaptive Noise
di: Düngler, Johanna, et al.
Pubblicazione: (2025)

PCA for Point Processes
di: Picard, Franck, et al.
Pubblicazione: (2024)

Deflated HeteroPCA: Overcoming the curse of ill-conditioning in heteroskedastic PCA
di: Zhou, Yuchen, et al.
Pubblicazione: (2023)

Personalized PCA: Decoupling Shared and Unique Features
di: Shi, Naichen, et al.
Pubblicazione: (2022)

Inference for Heteroskedastic PCA with Missing Data
di: Yan, Yuling, et al.
Pubblicazione: (2021)

Time-uniform concentration bounds for iterative algorithms
di: Pham, Tuan, et al.
Pubblicazione: (2025)

On the Optimality of the Oja's Algorithm for Online PCA
di: Liang, Xin
Pubblicazione: (2021)

High-Dimensional Asymptotics of Differentially Private PCA
di: Yun, Youngjoo, et al.
Pubblicazione: (2025)

Iterative Reweighted Framework Based Algorithms for Sparse Linear Regression with Generalized Elastic Net Penalty
di: Ding, Yanyun, et al.
Pubblicazione: (2024)

Statistical-Computational Trade-offs in Tensor PCA and Related Problems via Communication Complexity
di: Dudeja, Rishabh, et al.
Pubblicazione: (2022)

Optimal Differentially Private PCA and Estimation for Spiked Covariance Matrices
di: Cai, T. Tony, et al.
Pubblicazione: (2024)

Tensor PCA for Factor Models
di: Babii, Andrii, et al.
Pubblicazione: (2022)

The $ϕ$-PCA Framework: A Unified and Efficiency-Preserving Approach with Robust Variants
di: Hung, Hung, et al.
Pubblicazione: (2025)

Inference in Randomized Least Squares and PCA via Normality of Quadratic Forms
di: Wang, Leda, et al.
Pubblicazione: (2024)

Differentially Private Synthetic High-dimensional Tabular Stream
di: Kumar, Girish, et al.
Pubblicazione: (2024)

The Price of Sparsity: Sufficient Conditions for Sparse Recovery using Sparse and Sparsified Measurements
di: Chaabouni, Youssef, et al.
Pubblicazione: (2025)

Streaming data recovery via Bayesian tensor train decomposition
di: Huang, Yunyu, et al.
Pubblicazione: (2023)

Byzantine-Robust Distributed Sparse Learning Revisited
di: Wang, Yuxuan, et al.
Pubblicazione: (2026)

Sparse Max-Affine Regression
di: Kanj, Haitham, et al.
Pubblicazione: (2024)

A Sub-Quadratic Time Algorithm for Robust Sparse Mean Estimation
di: Pensia, Ankit
Pubblicazione: (2024)

FLIPHAT: Joint Differential Privacy for High Dimensional Sparse Linear Bandits
di: Chakraborty, Sunrit, et al.
Pubblicazione: (2024)

Rapidly Varying Completely Random Measures for Modeling Extremely Sparse Networks
di: Kilian, Valentin, et al.
Pubblicazione: (2025)

The Catastrophic Failure of The k-Means Algorithm in High Dimensions, and How Hartigan's Algorithm Avoids It
di: Lederman, Roy R., et al.
Pubblicazione: (2026)

MIST: Reliable Streaming Decision Trees for Online Class-Incremental Learning via McDiarmid Bound
di: Pham, Phu-Hoa, et al.
Pubblicazione: (2026)

Posterior Contraction Rates for Sparse Kolmogorov-Arnold Networks in Anisotropic Besov Spaces
di: Oh, Jeunghun, et al.
Pubblicazione: (2026)

Sparse Tucker Decomposition and Graph Regularization for High-Dimensional Time Series Forecasting
di: Xia, Sijia, et al.
Pubblicazione: (2026)

The Fragility of Optimized Bandit Algorithms
di: Fan, Lin, et al.
Pubblicazione: (2021)