Buchumschlag

Sharp Information-Theoretic Thresholds for Shuffled Linear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lufkin, Leon, Wu, Yihong, Xu, Jiaming
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

Shuffled Linear Regression via Spectral Matching
von: Liu, Hang, et al.
Veröffentlicht: (2024)

The broken sample problem revisited: Proof of a conjecture by Bai-Hsing and high-dimensional extensions
von: Jiao, Simiao, et al.
Veröffentlicht: (2025)

Sharp regret-Hellinger bounds for Gaussian empirical Bayes via polynomial approximation
von: Chen, Jiafeng, et al.
Veröffentlicht: (2026)

Random geometric graphs with smooth kernels: sharp detection threshold and a spectral conjecture
von: Mao, Cheng, et al.
Veröffentlicht: (2026)

A Computational Transition for Detecting Multivariate Shuffled Linear Regression by Low-Degree Polynomials
von: Li, Zhangsong
Veröffentlicht: (2025)

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression
von: Wegel, Tobias, et al.
Veröffentlicht: (2025)

Adaptive Kernel Ridge Regression with Linear Structure: Sharp Oracle Inequalities and Minimax Optimality
von: Bing, Xin, et al.
Veröffentlicht: (2026)

Rethinking Hard Thresholding Pursuit: Full Adaptation and Sharp Estimation
von: Zhang, Yanhang, et al.
Veröffentlicht: (2025)

Information-Theoretic Thresholds for the Alignments of Partially Correlated Graphs
von: Huang, Dong, et al.
Veröffentlicht: (2024)

Information-Theoretic Thresholds for Bipartite Latent-Space Graphs under Noisy Observations
von: Göbel, Andreas, et al.
Veröffentlicht: (2026)

Sharp Bounds on the Variance of General Regression Adjustment in Randomized Experiments
von: Mikhaeil, Jonas M., et al.
Veröffentlicht: (2024)

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

Empirical Bayes estimation: When does $g$-modeling beat $f$-modeling in theory (and in practice)?
von: Shen, Yandi, et al.
Veröffentlicht: (2022)

Large-scale Multiple Testing: Fundamental Limits of False Discovery Rate Control and Compound Oracle
von: Nie, Yutong, et al.
Veröffentlicht: (2023)

Provably Efficient Posterior Sampling for Sparse Linear Regression via Measure Decomposition
von: Montanari, Andrea, et al.
Veröffentlicht: (2024)

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

Asymptotic Theory for Linear Functionals of Kernel Ridge Regression
von: Tuo, Rui, et al.
Veröffentlicht: (2024)

High-dimensional (Group) Adversarial Training in Linear Regression
von: Xie, Yiling, et al.
Veröffentlicht: (2024)

Sampling from the Random Linear Model via Stochastic Localization Up to the AMP Threshold
von: Cui, Han, et al.
Veröffentlicht: (2024)

Prediction from compression for models with infinite memory, with applications to hidden Markov and renewal processes
von: Han, Yanjun, et al.
Veröffentlicht: (2024)

Improved Scaling Laws in Linear Regression via Data Reuse
von: Lin, Licong, et al.
Veröffentlicht: (2025)

Training Diagonal Linear Networks with Stochastic Sharpness-Aware Minimization
von: Clara, Gabriel, et al.
Veröffentlicht: (2025)

On Ridge Estimation in High-dimensional Rotationally Sparse Linear Regression
von: Liang, Libin, et al.
Veröffentlicht: (2024)

Identifiability in Unlinked Linear Regression: Some Results and Open Problems
von: Balabdaoui, Fadoua, et al.
Veröffentlicht: (2025)

Max-Linear Regression by Convex Programming
von: Kim, Seonho, et al.
Veröffentlicht: (2021)

Prediction Suboptimality of the Lasso in Sparse Linear Regression
von: Liu, Guo
Veröffentlicht: (2026)

Sharp Thresholds Imply Circuit Lower Bounds: from random 2-SAT to Planted Clique
von: Gamarnik, David, et al.
Veröffentlicht: (2023)

Transfer Learning and Locally Linear Regression for Locally Stationary Time Series
von: Park, Jinwoo
Veröffentlicht: (2025)

Detecting Parameter Instabilities in Functional Concurrent Linear Regression
von: Basu, Rupsa, et al.
Veröffentlicht: (2026)

Rectified Linear Unit Regression
von: Oka, Tatsushi
Veröffentlicht: (2026)

$p$-adic Linear Regression for Random Sampling with Digitwise Noise
von: Mihara, Tomoki
Veröffentlicht: (2026)

Strong Consistency of the SIMEX Estimator in Linear Regression with a Conditionally Poisson Covariate
von: Yang, Aijun, et al.
Veröffentlicht: (2025)

Minimax Linear Regression under the Quantile Risk
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2024)

Online and Offline Robust Multivariate Linear Regression
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

Functional Linear Regression of Cumulative Distribution Functions
von: Zhang, Qian, et al.
Veröffentlicht: (2022)

Bayesian High-dimensional Linear Regression with Sparse Projection-posterior
von: Pal, Samhita, et al.
Veröffentlicht: (2024)

Linear Regression from 1-bit Quantized Data
von: Hill, Daniel, et al.
Veröffentlicht: (2026)

Sandwiching Random Geometric Graphs and Erdos-Renyi with Applications: Sharp Thresholds, Robust Testing, and Enumeration
von: Bangachev, Kiril, et al.
Veröffentlicht: (2024)

Inference for Projection Parameters in Linear Regression: beyond $d = o(n^{1/2})$
von: Chang, Woonyoung, et al.
Veröffentlicht: (2023)

The Threshold Breakdown Point
von: Ke, Tianjun, et al.
Veröffentlicht: (2026)