Buchumschlag

Kernel Density Estimators in Large Dimensions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Biroli, Giulio, Mézard, Marc
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Disordered Systems and Neural Networks Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Why Diffusion Models Don't Memorize: The Role of Implicit Dynamical Regularization in Training
von: Bonnaire, Tony, et al.
Veröffentlicht: (2025)

Theory of Speciation Transitions in Diffusion Models with General Class Structure
von: Achilli, Beatrice, et al.
Veröffentlicht: (2026)

The Role of the Time-Dependent Hessian in High-Dimensional Optimization
von: Bonnaire, Tony, et al.
Veröffentlicht: (2024)

Cascade of phase transitions in the training of Energy-based models
von: Bachtis, Dimitrios, et al.
Veröffentlicht: (2024)

Biased Generalization in Diffusion Models
von: Garnier-Brun, Jerome, et al.
Veröffentlicht: (2026)

Classification of Heavy-tailed Features in High Dimensions: a Superstatistical Approach
von: Adomaityte, Urte, et al.
Veröffentlicht: (2023)

How transformers learn structured data: insights from hierarchical filtering
von: Garnier-Brun, Jerome, et al.
Veröffentlicht: (2024)

Topological Exploration of High-Dimensional Empirical Risk Landscapes: general approach, and applications to phase retrieval
von: Maillard, Antoine, et al.
Veröffentlicht: (2026)

The Exponential Capacity of Dense Associative Memories
von: Lucibello, Carlo, et al.
Veröffentlicht: (2023)

Statistical Mechanics of Min-Max Problems
von: Ichikawa, Yuma, et al.
Veröffentlicht: (2024)

On the Geometry of Regularization in Adversarial Training: High-Dimensional Asymptotics and Generalization Bounds
von: Vilucchio, Matteo, et al.
Veröffentlicht: (2024)

Asymptotics of Learning with Deep Structured (Random) Features
von: Schröder, Dominik, et al.
Veröffentlicht: (2024)

High-dimensional robust regression under heavy-tailed data: Asymptotics and Universality
von: Adomaityte, Urte, et al.
Veröffentlicht: (2023)

Asymmetric Scaling Laws from Sparse Features
von: Sous, John, et al.
Veröffentlicht: (2026)

Variational Gaussian Approximation in Replica Analysis of Parametric Models
von: Takahashi, Takashi
Veröffentlicht: (2025)

Spectral Thresholds in Correlated Spiked Models and Fundamental Limits of Partial Least Squares
von: Mergny, Pierre, et al.
Veröffentlicht: (2025)

Generalization Dynamics of Linear Diffusion Models
von: Merger, Claudia, et al.
Veröffentlicht: (2025)

Discontinuous BBP transitions
von: Bocchi, Dario, et al.
Veröffentlicht: (2026)

Eigenvalue spectral tails and localization properties of asymmetric networks
von: Valigi, Pietro, et al.
Veröffentlicht: (2025)

A theoretical perspective on mode collapse in variational inference
von: Soletskyi, Roman, et al.
Veröffentlicht: (2024)

The Role of Pseudo-labels in Self-training Linear Classifiers on High-dimensional Gaussian Mixture Data
von: Takahashi, Takashi
Veröffentlicht: (2022)

High-Dimensional Learning Dynamics of Quantized Models with Straight-Through Estimator
von: Ichikawa, Yuma, et al.
Veröffentlicht: (2025)

High-Dimensional Analysis of Gradient Flow for Extensive-Width Quadratic Neural Networks
von: Martin, Simon, et al.
Veröffentlicht: (2026)

The critical slowing down in diffusion models
von: Del Bono, Luca Maria, et al.
Veröffentlicht: (2026)

Wavelet Conditional Renormalization Group
von: Marchand, Tanguy, et al.
Veröffentlicht: (2022)

From Classical to Quantum: Extending Prometheus for Unsupervised Discovery of Phase Transitions in Three Dimensions and Quantum Systems
von: Yee, Brandon, et al.
Veröffentlicht: (2026)

Spectral Phase Transition and Optimal PCA in Block-Structured Spiked models
von: Mergny, Pierre, et al.
Veröffentlicht: (2024)

The twin peaks of learning neural networks
von: Demyanenko, Elizaveta, et al.
Veröffentlicht: (2024)

Ratio Divergence Learning Using Target Energy in Restricted Boltzmann Machines: Beyond Kullback--Leibler Divergence Learning
von: Ishida, Yuichi, et al.
Veröffentlicht: (2024)

Precise asymptotic analysis of Sobolev training for random feature models
von: Fisher, Katharine E, et al.
Veröffentlicht: (2025)

Generalization performance of narrow one-hidden layer networks in the teacher-student setting
von: Ortiz, Rodrigo Pérez, et al.
Veröffentlicht: (2025)

Gaussian Universality of Perceptrons with Random Labels
von: Gerace, Federica, et al.
Veröffentlicht: (2022)

High-dimensional manifold of solutions in neural networks: insights from statistical physics
von: Malatesta, Enrico M.
Veröffentlicht: (2023)

Interactions and migration rescuing ecological diversity
von: Lorenzana, Giulia Garcia, et al.
Veröffentlicht: (2023)

When is nonreciprocity relevant?
von: Lorenzana, Giulia Garcia, et al.
Veröffentlicht: (2025)

Gaussian mixtures and non-parametric likelihoods through the lens of statistical mechanics
von: Ghosh, Subhroshekhar, et al.
Veröffentlicht: (2026)

Rare Event Analysis of Large Language Models
von: Dorman, Jake McAllister, et al.
Veröffentlicht: (2026)

Dynamical Learning in Deep Asymmetric Recurrent Neural Networks
von: Badalotti, Davide, et al.
Veröffentlicht: (2025)

Statistical mechanics of extensive-width Bayesian neural networks near interpolation
von: Barbier, Jean, et al.
Veröffentlicht: (2025)

Sharp feature-learning transitions and Bayes-optimal neural scaling laws in extensive-width networks
von: Nguyen, Minh-Toan, et al.
Veröffentlicht: (2026)