Copertina

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Dereziński, Michał, Mahoney, Michael W.
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Numerical Analysis
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Last-Iterate Convergence of Randomized Kaczmarz and SGD with Greedy Step Size
di: Dereziński, Michał, et al.
Pubblicazione: (2026)

Debiasing Random Oblique Projections for Subsampled OLS and Fast CUR in High Dimensions
di: Niu, Chengmei, et al.
Pubblicazione: (2026)

Accelerating Natural Gradient Descent for PINNs with Randomized Numerical Linear Algebra
di: Bioli, Ivan, et al.
Pubblicazione: (2025)

Solving Dense Linear Systems Faster Than via Preconditioning
di: Dereziński, Michał, et al.
Pubblicazione: (2023)

Approaching Optimality for Solving Dense Linear Systems with Low-Rank Structure
di: Dereziński, Michał, et al.
Pubblicazione: (2025)

Accelerating Power Method with Fast Sketching for Stronger Low-Rank Approximation
di: Chenakkod, Shabarish, et al.
Pubblicazione: (2026)

Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra
di: Lavaee, Alex
Pubblicazione: (2024)

Towards Universal Convergence of Backward Error in Linear System Solvers
di: Dereziński, Michał, et al.
Pubblicazione: (2026)

Well-Conditioned Oblivious Perturbations in Linear Space
di: Chenakkod, Shabarish, et al.
Pubblicazione: (2026)

Faster Linear Systems and Matrix Norm Approximation via Multi-level Sketched Preconditioning
di: Dereziński, Michał, et al.
Pubblicazione: (2024)

Randomized Kaczmarz Methods with Beyond-Krylov Convergence
di: Dereziński, Michał, et al.
Pubblicazione: (2025)

Distributed Least Squares in Small Space via Sketching and Bias Reduction
di: Garg, Sachin, et al.
Pubblicazione: (2024)

Foundations of Polar Linear Algebra
di: Guasti, Giovanni
Pubblicazione: (2026)

Fine-grained Analysis and Faster Algorithms for Iteratively Solving Linear Systems
di: Dereziński, Michał, et al.
Pubblicazione: (2024)

Optimal Oblivious Subspace Embeddings with Near-optimal Sparsity
di: Chenakkod, Shabarish, et al.
Pubblicazione: (2024)

Optimal Subspace Embeddings: Resolving Nelson-Nguyen Conjecture Up to Sub-Polylogarithmic Factors
di: Chenakkod, Shabarish, et al.
Pubblicazione: (2025)

Towards Foundation Models for Scientific Machine Learning: Characterizing Scaling and Transfer Behavior
di: Subramanian, Shashank, et al.
Pubblicazione: (2023)

Optimal Embedding Dimension for Sparse Subspace Embeddings
di: Chenakkod, Shabarish, et al.
Pubblicazione: (2023)

Fundamental Bias in Inverting Random Sampling Matrices with Application to Sub-sampled Newton
di: Niu, Chengmei, et al.
Pubblicazione: (2025)

Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models
di: Fang, Yuchen, et al.
Pubblicazione: (2024)

Singularity Formation: Synergy in Theoretical, Numerical and Machine Learning Approaches
di: Wang, Yixuan
Pubblicazione: (2026)

Learning from Linear Algebra: A Graph Neural Network Approach to Preconditioner Design for Conjugate Gradient Solvers
di: Trifonov, Vladislav, et al.
Pubblicazione: (2024)

Learning to Discover Iterative Spectral Algorithms
di: Liu, Zihang, et al.
Pubblicazione: (2026)

Using Uncertainty Quantification to Characterize and Improve Out-of-Domain Learning for PDEs
di: Mouli, S. Chandra, et al.
Pubblicazione: (2024)

Spectral Estimation with Free Decompression
di: Ameli, Siavash, et al.
Pubblicazione: (2025)

Free Decompression with Algebraic Spectral Curves
di: Ameli, Siavash, et al.
Pubblicazione: (2026)

Machine Learning Based Optimization Workflow for Tuning Numerical Settings of Differential Equation Solvers for Boundary Value Problems
di: Victor, Viny Saajan, et al.
Pubblicazione: (2024)

Determinant Estimation under Memory Constraints and Neural Scaling Laws
di: Ameli, Siavash, et al.
Pubblicazione: (2025)

Quantile-Based Randomized Kaczmarz for Corrupted Tensor Linear Systems
di: Castillo, Alejandra, et al.
Pubblicazione: (2025)

The Numerical Stability of Hyperbolic Representation Learning
di: Mishne, Gal, et al.
Pubblicazione: (2022)

Random Neural Network Expressivity for Non-Linear Partial Differential Equations
di: Mehmood, Muhammed Ali, et al.
Pubblicazione: (2026)

Artifacts of Numerical Integration in Learning Dynamical Systems
di: Lu, Bing-Ze, et al.
Pubblicazione: (2025)

Solving PDEs on Unknown Manifolds with Machine Learning
di: Liang, Senwei, et al.
Pubblicazione: (2021)

Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning
di: Bistrian, Diana Alina, et al.
Pubblicazione: (2022)

SciML Agents: Write the Solver, Not the Solution
di: Gaonkar, Saarth, et al.
Pubblicazione: (2025)

Learning to Solve Related Linear Systems
di: Hegde, Disha, et al.
Pubblicazione: (2025)

Fuzzy PyTorch: Rapid Numerical Variability Evaluation for Deep Learning Models
di: Gonzalez-Pepe, Inés, et al.
Pubblicazione: (2026)

In-Context Learning of Linear Systems: Generalization Theory and Applications to Operator Learning
di: Cole, Frank, et al.
Pubblicazione: (2024)

Operator Learning at Machine Precision
di: Bacho, Aras, et al.
Pubblicazione: (2025)

Cauchy Random Features for Operator Learning in Sobolev Space
di: Liao, Chunyang, et al.
Pubblicazione: (2025)