Buchumschlag

Optimal Rates for Vector-Valued Spectral Regularization Learning Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Meunier, Dimitri, Shen, Zikai, Mollenhauer, Mattes, Gretton, Arthur, Li, Zhu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Optimal Sobolev Norm Rates for the Vector-Valued Regularized Least-Squares Algorithm
von: Li, Zhu, et al.
Veröffentlicht: (2023)

Regularized least squares learning with heavy-tailed noise is minimax optimal
von: Mollenhauer, Mattes, et al.
Veröffentlicht: (2025)

Semiparametrically Efficient Inference for Kernel Measures of Noise Heterogeneity
von: Wornbard, Jakub, et al.
Veröffentlicht: (2026)

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

Nonparametric Instrumental Regression via Kernel Methods is Minimax Optimal
von: Meunier, Dimitri, et al.
Veröffentlicht: (2024)

Doubly Robust Proxy Causal Learning with Neural Mean Embeddings
von: Bozkurt, Bariscan, et al.
Veröffentlicht: (2026)

Nonparametric Instrumental Variable Regression with Observed Covariates
von: Shen, Zikai, et al.
Veröffentlicht: (2025)

Optimality and Adaptivity of Deep Neural Features for Instrumental Variable Regression
von: Kim, Juno, et al.
Veröffentlicht: (2025)

Demystifying Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

Nonparametric Instrumental Variable Analysis Without Structural Equations: Debiased Inference on Functionals of Inverse Problems with No Solutions
von: Shen, Zikai, et al.
Veröffentlicht: (2026)

Density Ratio-Free Doubly Robust Proxy Causal Learning
von: Bozkurt, Bariscan, et al.
Veröffentlicht: (2025)

Density Ratio-based Proxy Causal Learning Without Density Ratios
von: Bozkurt, Bariscan, et al.
Veröffentlicht: (2025)

Outcome-Aware Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

Near-Optimality of Contrastive Divergence Algorithms
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Regularized $f$-Divergence Kernel Tests
von: Ribero, Mónica, et al.
Veröffentlicht: (2026)

Sobolev Regularized MMD Gradient Flow
von: Tian, Chenyang, et al.
Veröffentlicht: (2026)

Efficient Inference after Directionally Stable Adaptive Experiments
von: Shen, Zikai, et al.
Veröffentlicht: (2026)

Kernel Single Proxy Control for Deterministic Confounding
von: Xu, Liyuan, et al.
Veröffentlicht: (2023)

Perturbative methods for non-parametric instrumental variable
von: Bu, Wei, et al.
Veröffentlicht: (2026)

Semiparametric Efficient Test for Interpretable Distributional Treatment Effects
von: Zenati, Houssam, et al.
Veröffentlicht: (2026)

Spectral Representation for Causal Estimation with Hidden Confounders
von: Sun, Haotian, et al.
Veröffentlicht: (2024)

Deep Proxy Causal Learning and its Application to Confounded Bandit Policy Evaluation
von: Xu, Liyuan, et al.
Veröffentlicht: (2021)

Doubly-Robust Estimation of Counterfactual Policy Mean Embeddings
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Spectral Souping: A Unified Framework for Online Preference Alignment
von: Chow, Yinlam, et al.
Veröffentlicht: (2026)

Interventional Processes for Causal Uncertainty Quantification
von: Dance, Hugh, et al.
Veröffentlicht: (2024)

Kernel Treatment Effects with Adaptively Collected Data
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Foundations of Multivariate Distributional Reinforcement Learning
von: Wiltzer, Harley, et al.
Veröffentlicht: (2024)

Sequential Kernel Embedding for Mediated and Time-Varying Dose Response Curves
von: Singh, Rahul, et al.
Veröffentlicht: (2021)

On the Optimality of Misspecified Spectral Algorithms
von: Zhang, Haobo, et al.
Veröffentlicht: (2023)

Fast and Scalable Score-Based Kernel Calibration Tests
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization
von: Chen, Zonghao, et al.
Veröffentlicht: (2025)

Deep MMD Gradient Flow without adversarial training
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Learning Continually by Spectral Regularization
von: Lewandowski, Alex, et al.
Veröffentlicht: (2024)

Learning linear operators: Infinite-dimensional regression as a well-behaved non-compact inverse problem
von: Mollenhauer, Mattes, et al.
Veröffentlicht: (2022)

Controlling Moments with Kernel Stein Discrepancies
von: Kanagawa, Heishiro, et al.
Veröffentlicht: (2022)

Accelerated Diffusion Models via Speculative Sampling
von: De Bortoli, Valentin, et al.
Veröffentlicht: (2025)

A Unified Data Representation Learning for Non-parametric Two-sample Testing
von: Tian, Xunye, et al.
Veröffentlicht: (2024)

Optimal Rates in Continual Linear Regression via Increasing Regularization
von: Levinstein, Ran, et al.
Veröffentlicht: (2025)

Learn to Guide Your Diffusion Model
von: Galashov, Alexandre, et al.
Veröffentlicht: (2025)

Jacobian Regularization Stabilizes Long-Term Integration of Neural Differential Equations
von: Janvier, Maya, et al.
Veröffentlicht: (2026)