Buchumschlag

Theoretical Guarantees for the Subspace-Constrained Tyler's Estimator

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lerman, Gilad, Zhang, Teng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimal Bounds for Tyler's M-Estimator for Elliptical Distributions
von: Lau, Lap Chi, et al.
Veröffentlicht: (2025)

A Subspace-Constrained Tyler's Estimator and its Applications to Structure from Motion
von: Yu, Feng, et al.
Veröffentlicht: (2024)

Theoretical Guarantees of Learning Ensembling Strategies with Applications to Time Series Forecasting
von: Hasson, Hilaf, et al.
Veröffentlicht: (2023)

Multi-Step Consistency Models: Fast Generation with Theoretical Guarantees
von: Jain, Nishant, et al.
Veröffentlicht: (2025)

Online Estimation via Offline Estimation: An Information-Theoretic Framework
von: Foster, Dylan J., et al.
Veröffentlicht: (2024)

Optimal Estimation of Shared Singular Subspaces across Multiple Noisy Matrices
von: Ma, Zhengchi, et al.
Veröffentlicht: (2024)

On the Nonasymptotic Scaling Guarantee of Hyperparameter Estimation in Inhomogeneous, Weakly-Dependent Complex Network Dynamical Systems
von: Yu, Yi, et al.
Veröffentlicht: (2026)

Covariates-Adjusted Mixed-Membership Estimation: A Novel Network Model with Optimal Guarantees
von: Fan, Jianqing, et al.
Veröffentlicht: (2025)

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

Diffusion Models with Heavy-Tailed Targets: Score Estimation and Sampling Guarantees
von: Yu, Yifeng, et al.
Veröffentlicht: (2026)

Invariant Subspace Decomposition
von: Lazzaretto, Margherita, et al.
Veröffentlicht: (2024)

Leave-one-out Singular Subspace Perturbation Analysis for Spectral Clustering
von: Zhang, Anderson Y., et al.
Veröffentlicht: (2022)

Theoretical Insights into CycleGAN: Analyzing Approximation and Estimation Errors in Unpaired Data Generation
von: Sun, Luwei, et al.
Veröffentlicht: (2024)

Global Convergence of Iteratively Reweighted Least Squares for Robust Subspace Recovery
von: Lerman, Gilad, et al.
Veröffentlicht: (2025)

Can Generative Artificial Intelligence Survive Data Contamination? Theoretical Guarantees under Contaminated Recursive Training
von: Wang, Kevin, et al.
Veröffentlicht: (2026)

Frequentist Guarantees of Distributed (Non)-Bayesian Inference
von: Wu, Bohan, et al.
Veröffentlicht: (2023)

Statistical Learning Guarantees for Group-Invariant Barron Functions
von: Yang, Yahong, et al.
Veröffentlicht: (2025)

Nonlinear Meta-Learning Can Guarantee Faster Rates
von: Meunier, Dimitri, et al.
Veröffentlicht: (2023)

Improved Guarantees for Langevin Monte Carlo with Average Smoothness
von: Dalalyan, Arnak S., et al.
Veröffentlicht: (2026)

Out-of-Distribution Generalization of In-Context Learning: A Low-Dimensional Subspace Perspective
von: Kwon, Soo Min, et al.
Veröffentlicht: (2025)

Statistical Guarantees for Approximate Stationary Points of Shallow Neural Networks
von: Taheri, Mahsa, et al.
Veröffentlicht: (2022)

Active Subsampling for Measurement-Constrained M-Estimation of Individualized Thresholds with High-Dimensional Data
von: Duan, Jingyi, et al.
Veröffentlicht: (2024)

Conditional Generative Models are Provably Robust: Pointwise Guarantees for Bayesian Inverse Problems
von: Altekrüger, Fabian, et al.
Veröffentlicht: (2023)

KL Convergence Guarantees for Score diffusion models under minimal data assumptions
von: Conforti, Giovanni, et al.
Veröffentlicht: (2023)

Bias-Corrected Joint Spectral Embedding for Multilayer Networks with Invariant Subspace: Entrywise Eigenvector Perturbation and Inference
von: Xie, Fangzheng
Veröffentlicht: (2024)

Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees
von: Dmitriev, Daniil, et al.
Veröffentlicht: (2026)

Diffusion-based Denoising Beats Vanilla Score Matching in Parameter Estimation: A Theoretical Explanation
von: Schwienhorst, Benedikt Lütke, et al.
Veröffentlicht: (2026)

$L_2$-Regularized Empirical Risk Minimization Guarantees Small Smooth Calibration Error
von: Fujisawa, Masahiro, et al.
Veröffentlicht: (2025)

Stronger Neyman Regret Guarantees for Adaptive Experimental Design
von: Noarov, Georgy, et al.
Veröffentlicht: (2025)

Distributionally-Constrained Adversaries in Online Learning
von: Blanchard, Moïse, et al.
Veröffentlicht: (2025)

Recovery Guarantees for Continual Learning of Dependent Tasks: Memory, Data-Dependent Regularization, and Data-Dependent Weights
von: Peng, Liangzu, et al.
Veröffentlicht: (2026)

A Unified Information-Theoretic Framework for Meta-Learning Generalization
von: Wen, Wen, et al.
Veröffentlicht: (2025)

Sample Complexity of Bias Detection with Subsampled Point-to-Subspace Distances
von: Matilla, German Martinez, et al.
Veröffentlicht: (2025)

On the Provable Performance Guarantee of Efficient Reasoning Models
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Theoretical Foundations of Conformal Prediction
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2024)

An Upper Confidence Bound Approach to Estimating the Maximum Mean
von: Kun, Zhang, et al.
Veröffentlicht: (2024)

Mode-wise Principal Subspace Pursuit and Matrix Spiked Covariance Model
von: Tang, Runshi, et al.
Veröffentlicht: (2023)

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

Bayesian Cramér-Rao Bound Estimation with Score-Based Models
von: Crafts, Evan Scope, et al.
Veröffentlicht: (2023)

Online Estimation with Rolling Validation: Adaptive Nonparametric Estimation with Streaming Data
von: Zhang, Tianyu, et al.
Veröffentlicht: (2023)