Buchumschlag

Benign overfitting in Fixed Dimension via Physics-Informed Learning with Smooth Inductive Bias

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wong, Honam, Wu, Wendao, Liu, Fanghui, Lu, Yiping
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Information Theory Numerical Analysis Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Which Spaces can be Embedded in $L_p$-type Reproducing Kernel Banach Space? A Characterization via Metric Entropy
von: Lu, Yiping, et al.
Veröffentlicht: (2024)

Posterior Concentration of Bayesian Physics-Informed Neural Networks for Elliptic PDEs
von: Zhao, Yuxuan, et al.
Veröffentlicht: (2026)

Solving PDEs on Spheres with Physics-Informed Convolutional Neural Networks
von: Lei, Guanhang, et al.
Veröffentlicht: (2023)

Covariance-Informed Subspace: an Adaptive Gradient-Free Input Dimension Reduction Method for Bayesian Inference
von: Polette, Nadège, et al.
Veröffentlicht: (2026)

Dimension-Free Convergence of Diffusion Models for Approximate Gaussian Mixtures
von: Li, Gen, et al.
Veröffentlicht: (2025)

Non-Asymptotic Analysis of Ensemble Kalman Updates: Effective Dimension and Localization
von: Ghattas, Omar Al, et al.
Veröffentlicht: (2022)

Faster Diffusion Models via Higher-Order Approximation
von: Li, Gen, et al.
Veröffentlicht: (2025)

Convergence Rates for Learning Pseudo-Differential Operators
von: Chen, Jiaheng, et al.
Veröffentlicht: (2026)

Probability Tools for Sequential Random Projection
von: Li, Yingru
Veröffentlicht: (2024)

Enabling stratified sampling in high dimensions via nonlinear dimensionality reduction
von: Geraci, Gianluca, et al.
Veröffentlicht: (2025)

Towards Sharp Minimax Risk Bounds for Operator Learning
von: Adcock, Ben, et al.
Veröffentlicht: (2025)

On Spectral Learning for Odeco Tensors: Perturbation, Initialization, and Algorithms
von: Auddy, Arnab, et al.
Veröffentlicht: (2025)

Transformers for Learning on Noisy and Task-Level Manifolds: Approximation and Generalization Insights
von: Shen, Zhaiming, et al.
Veröffentlicht: (2025)

Data-driven Learning of Interaction Laws in Multispecies Particle Systems with Gaussian Processes: Convergence Theory and Applications
von: Feng, Jinchao, et al.
Veröffentlicht: (2025)

The Empirical Spectral Distribution of i.i.d. Random Matrices with Random Perturbations
von: Chen, Kun, et al.
Veröffentlicht: (2024)

A Kernel-based Stochastic Approximation Framework for Nonlinear Operator Learning
von: Yang, Jia-Qi, et al.
Veröffentlicht: (2025)

Mind the spikes: Benign overfitting of kernels and neural networks in fixed dimension
von: Haas, Moritz, et al.
Veröffentlicht: (2023)

Simultaneous Approximation of the Score Function and Its Derivatives by Deep Neural Networks
von: Yakovlev, Konstantin, et al.
Veröffentlicht: (2025)

Posterior Covariance Structures in Gaussian Processes
von: Cai, Difeng, et al.
Veröffentlicht: (2024)

Linear cost and exponentially convergent approximation of Gaussian Matérn processes on intervals
von: Bolin, David, et al.
Veröffentlicht: (2024)

Gaussian Process Regression under Computational and Epistemic Misspecification
von: Sanz-Alonso, Daniel, et al.
Veröffentlicht: (2023)

Optimal Recovery Meets Minimax Estimation
von: DeVore, Ronald, et al.
Veröffentlicht: (2025)

Can Linear Probes Measure LLM Uncertainty?
von: Dakhmouche, Ramzi, et al.
Veröffentlicht: (2025)

Score Operator Newton transport
von: Chandramoorthy, Nisha, et al.
Veröffentlicht: (2023)

Weighted least-squares approximation with determinantal point processes and generalized volume sampling
von: Nouy, Anthony, et al.
Veröffentlicht: (2023)

One-dimensional Tensor Network Recovery
von: Chen, Ziang, et al.
Veröffentlicht: (2022)

Sparse free deconvolution under unknown noise level via eigenmatrix
von: Ying, Lexing
Veröffentlicht: (2025)

A generalization bound for exit wave reconstruction via deep unfolding
von: Atwi, Moussa, et al.
Veröffentlicht: (2025)

Blind free deconvolution over one-parameter sparse families via eigenmatrix
von: Ying, Lexing
Veröffentlicht: (2025)

Regularized Stein Variational Gradient Flow
von: He, Ye, et al.
Veröffentlicht: (2022)

Accelerating Langevin Monte Carlo via Efficient Stochastic Runge--Kutta Methods beyond Log-Concavity
von: Yang, Bin, et al.
Veröffentlicht: (2026)

Adaptive minimax optimality in statistical inverse problems via SOLIT -- Sharp Optimal Lepskii-Inspired Tuning
von: Li, Housen, et al.
Veröffentlicht: (2023)

Physics-informed deep learning and compressive collocation for high-dimensional diffusion-reaction equations: practical existence theory and numerics
von: Brugiapaglia, Simone, et al.
Veröffentlicht: (2024)

Basis Choices for Frequency Domain Statistical Independence Tests and Algorithms for Algebraic Relation Extraction
von: Shi, Juan, et al.
Veröffentlicht: (2025)

Characteristic Learning for Provable One Step Generation
von: Ding, Zhao, et al.
Veröffentlicht: (2024)

On the Uniqueness of Solutions in GPS Source Localization: Distance and Squared-Distance Minimization under Limited Measurements in Two and Three Dimensions
von: Kwon, Kiwoon
Veröffentlicht: (2026)

Online Statistical Inference of Constrained Stochastic Optimization via Random Scaling
von: Du, Xinchen, et al.
Veröffentlicht: (2025)

Inference-Time Alignment for Diffusion Models via Variationally Stable Doob's Matching
von: Chang, Jinyuan, et al.
Veröffentlicht: (2026)

Stein transport for Bayesian inference
von: Nüsken, Nikolas
Veröffentlicht: (2024)

Gaussian Processes and Reproducing Kernels: Connections and Equivalences
von: Kanagawa, Motonobu, et al.
Veröffentlicht: (2025)