Buchumschlag

Online and Offline Robust Multivariate Linear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Godichon-Baggioni, Antoine, Robin, Stephane S., Sansonnet, Laure
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

A Full Adagrad algorithm with O(Nd) operations
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

Convergence in quadratic mean of averaged stochastic gradient algorithms without strong convexity nor bounded gradient
von: Godichon-Baggioni, Antoine
Veröffentlicht: (2021)

Stochastic Optimization in Semi-Discrete Optimal Transport: Convergence Analysis and Minimax Rate
von: Genans, Ferdinand, et al.
Veröffentlicht: (2025)

Online robust covariance matrix estimation and outlier detection
von: Guillot, Paul, et al.
Veröffentlicht: (2026)

On Adaptive Stochastic Optimization for Streaming Data: A Newton's Method with O(dN) Operations
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2023)

A penalized criterion for selecting the number of clusters for K-medians
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2022)

Complexity reduction in online stochastic Newton methods with potential O(N d) total cost
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2026)

Online estimation of the inverse of the Hessian for stochastic optimization with application to universal stochastic Newton algorithms
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

Sample Complexity of Offline Distributionally Robust Linear Markov Decision Processes
von: Wang, He, et al.
Veröffentlicht: (2024)

ERM-Lasso classification algorithm for Multivariate Hawkes Processes paths
von: Dion-Blanc, Charlotte, et al.
Veröffentlicht: (2024)

Convergence of Multi-Level Markov Chain Monte Carlo Adaptive Stochastic Gradient Algorithms
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2026)

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

Posterior contraction rates in a sparse non-linear mixed-effects model
von: Naveau, Marion, et al.
Veröffentlicht: (2024)

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

Statistical Inference for Linear Functionals of Online SGD in High-dimensional Linear Regression
von: Agrawalla, Bhavya, et al.
Veröffentlicht: (2023)

Online Quantile Regression for Nonparametric Additive Models
von: Zhan, Haoran
Veröffentlicht: (2026)

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

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

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

Theoretical Convergence Guarantees for Variational Autoencoders
von: Surendran, Sobihan, et al.
Veröffentlicht: (2024)

Minimax-optimal and Locally-adaptive Online Nonparametric Regression
von: Liautaud, Paul, et al.
Veröffentlicht: (2024)

On the Interpolation Error of Nonlinear Attention versus Linear Regression
von: Liao, Zhenyu, et al.
Veröffentlicht: (2025)

Minimax Adaptive Online Nonparametric Regression over Besov Spaces
von: Liautaud, Paul, et al.
Veröffentlicht: (2025)

Asymptotics of Random Feature Regression Beyond the Linear Scaling Regime
von: Hu, Hong, et al.
Veröffentlicht: (2024)

Unveiling the Cycloid Trajectory of EM Iterations in Mixed Linear Regression
von: Luo, Zhankun, et al.
Veröffentlicht: (2024)

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

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
von: Kim, Yeichan, et al.
Veröffentlicht: (2025)

Self-Normalized Martingales and Uniform Regret Bounds for Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2026)

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

Finite Sample Confidence Regions for Linear Regression Parameters Using Arbitrary Predictors
von: Guille-Escuret, Charles, et al.
Veröffentlicht: (2024)

Finite-Sample Inference for Sparsely Permuted Linear Regression
von: Ota, Hirofumi, et al.
Veröffentlicht: (2026)

An Efficient Minimax Optimal Estimator For Multivariate Convex Regression
von: Kur, Gil, et al.
Veröffentlicht: (2022)

Optimal Excess Risk Bounds for Empirical Risk Minimization on $p$-Norm Linear Regression
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2023)

The Thermodynamic Costs of Simple Linear Regression
von: D'Ambrosia, Samuel H., et al.
Veröffentlicht: (2026)

Batches Stabilize the Minimum Norm Risk in High Dimensional Overparameterized Linear Regression
von: Ioushua, Shahar Stein, et al.
Veröffentlicht: (2023)

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

Bivariate Matrix-valued Linear Regression (BMLR): Finite-sample performance under Identifiability and Sparsity Assumptions
von: Bettache, Nayel
Veröffentlicht: (2024)

Locally Near Optimal Piecewise Linear Regression in High Dimensions via Difference of Max-Affine Functions
von: Kanj, Haitham, et al.
Veröffentlicht: (2026)

Online Covariance Estimation in Averaged SGD: Improved Batch-Mean Rates and Minimax Optimality via Trajectory Regression
von: Ni, Yijin, et al.
Veröffentlicht: (2026)

Scaling Laws in Linear Regression: Compute, Parameters, and Data
von: Lin, Licong, et al.
Veröffentlicht: (2024)