Buchumschlag

Regression graphs and sparsity-inducing reparametrizations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rybak, Jakub, Battey, Heather, Bharath, Karthik
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the role of parametrization in models with a misspecified nuisance component
von: Battey, Heather, et al.
Veröffentlicht: (2024)

Induced replication and the assessment of models
von: Battey, Heather, et al.
Veröffentlicht: (2026)

Non-standard boundary behaviour in two-component mixture models
von: Battey, Heather, et al.
Veröffentlicht: (2024)

Post-reduction inference for confidence sets of models
von: Battey, Heather, et al.
Veröffentlicht: (2025)

Cox reduction and confidence sets of models: a theoretical elucidation
von: Lewis, R. M., et al.
Veröffentlicht: (2023)

Treatment effect: a critique
von: Battey, Heather, et al.
Veröffentlicht: (2026)

Optimal Rates for Functional Linear Regression with General Regularization
von: Gupta, Naveen, et al.
Veröffentlicht: (2024)

Minimax and adaptive estimation of general linear functionals under sparsity
von: Xie, Jie, et al.
Veröffentlicht: (2025)

Empirical likelihood for Fréchet means on open books
von: Bharath, Karthik, et al.
Veröffentlicht: (2024)

On sparsity, power-law and clustering properties of graphex processes
von: Caron, François, et al.
Veröffentlicht: (2017)

Influence as soft sparsity: Estimation of monotone functions on $\{0,1\}^d$
von: Biau, Gérard
Veröffentlicht: (2026)

Asymptotics for estimating a diverging number of parameters -- with and without sparsity
von: Gauss, Jana, et al.
Veröffentlicht: (2024)

Rolled Gaussian process models for curves on manifolds
von: Preston, Simon, et al.
Veröffentlicht: (2025)

Active Learning via Regression Beyond Realizability
von: Ganju, Atul, et al.
Veröffentlicht: (2025)

Minimax Optimal Estimation of Mean and Covariance Functions with Spectral Regularization
von: Gupta, Naveen, et al.
Veröffentlicht: (2026)

Root-n consistent semiparametric learning with high-dimensional nuisance functions under minimal sparsity
von: Liu, Lin, et al.
Veröffentlicht: (2023)

Sharp local sparsity of regularized optimal transport
von: González-Sanz, Alberto, et al.
Veröffentlicht: (2026)

Sampling and estimation on manifolds using the Langevin diffusion
von: Bharath, Karthik, et al.
Veröffentlicht: (2023)

Functional linear and single-index models: A unified approach via Gaussian Stein identity
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2022)

Uniform Kernel Prober
von: Mukherjee, Soumya, et al.
Veröffentlicht: (2025)

Finite Sample Analysis and Bounds of Generalization Error of Gradient Descent in In-Context Linear Regression
von: Duraisamy, Karthik
Veröffentlicht: (2024)

Learning sparsity-promoting regularizers for linear inverse problems
von: Alberti, Giovanni S., et al.
Veröffentlicht: (2024)

Move on Muon : A Hamiltonian probability gradient flow perspective of Muon optimizer
von: Mustafi, Aratrika, et al.
Veröffentlicht: (2026)

Estimating Global Identifiability Using Conditional Mutual Information in a Bayesian Framework
von: Bhola, Sahil, et al.
Veröffentlicht: (2023)

Kernel Ridge Regression with Predicted Feature Inputs and Applications to Factor-Based Nonparametric Regression
von: Bing, Xin, et al.
Veröffentlicht: (2025)

Asymptotic Equivalence for Nonparametric Regression
von: Grama, Ion, et al.
Veröffentlicht: (2024)

Deep Regression for Repeated Measurements
von: Yan, Shunxing, et al.
Veröffentlicht: (2023)

Early Stopping for Regression Trees
von: Miftachov, Ratmir, et al.
Veröffentlicht: (2025)

Piecewise Polynomial Regression of Tame Functions via Integer Programming
von: Bareilles, Gilles, et al.
Veröffentlicht: (2023)

Functional Adaptive Huber Linear Regression
von: Peng, Ling, et al.
Veröffentlicht: (2024)

On the Optimality of Functional Sliced Inverse Regression
von: Chen, Rui, et al.
Veröffentlicht: (2023)

Online Sparse Regression with Expanding Observables
von: Yang, Ying, et al.
Veröffentlicht: (2026)

Transportation of Measure Regression in Higher Dimensions
von: Ghodrati, Laya, et al.
Veröffentlicht: (2023)

Online Quantile Regression
von: Shen, Yinan, et al.
Veröffentlicht: (2024)

Hierarchical Bayesian Operator-induced Symbolic Regression Trees for Structural Learning of Scientific Expressions
von: Roy, Somjit, et al.
Veröffentlicht: (2025)

The High-Dimensional Asymptotics of Principal Component Regression
von: Green, Alden, et al.
Veröffentlicht: (2024)

Minimax Optimal Rates for Regression on Manifolds and Distributions
von: Tang, Rong, et al.
Veröffentlicht: (2025)

Convolution Mode Regression
von: Finn, Eduardo Schirmer, et al.
Veröffentlicht: (2024)

Sharp Information-Theoretic Thresholds for Shuffled Linear Regression
von: Lufkin, Leon, et al.
Veröffentlicht: (2024)

Auto-Calibration Tests for Discrete Finite Regression Functions
von: Wüthrich, Mario V.
Veröffentlicht: (2024)