Buchumschlag

A Short Information-Theoretic Analysis of Linear Auto-Regressive Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Ziemann, Ingvar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Regret Lower Bounds for Learning Linear Quadratic Gaussian Systems
von: Ziemann, Ingvar, et al.
Veröffentlicht: (2022)

State space models, emergence, and ergodicity: How many parameters are needed for stable predictions?
von: Ziemann, Ingvar, et al.
Veröffentlicht: (2024)

Active Learning for Control-Oriented Identification of Nonlinear Systems
von: Lee, Bruce D., et al.
Veröffentlicht: (2024)

Rate-Optimal Non-Asymptotics for the Quadratic Prediction Error Method
von: Stamouli, Charis, et al.
Veröffentlicht: (2024)

Guarantees for Nonlinear Representation Learning: Non-identical Covariates, Dependent Data, Fewer Samples
von: Zhang, Thomas T., et al.
Veröffentlicht: (2024)

Nonconvex Linear System Identification with Minimal State Representation
von: Tadipatri, Uday Kiran Reddy, et al.
Veröffentlicht: (2025)

A Tutorial on the Non-Asymptotic Theory of System Identification
von: Ziemann, Ingvar, et al.
Veröffentlicht: (2023)

Asymptotics of Linear Regression with Linearly Dependent Data
von: Moniri, Behrad, et al.
Veröffentlicht: (2024)

Finite Sample Analysis for a Class of Subspace Identification Methods
von: He, Jiabao, et al.
Veröffentlicht: (2024)

Learning with little mixing
von: Ziemann, Ingvar, et al.
Veröffentlicht: (2022)

Learning a Class of Mixed Linear Regressions: Global Convergence under General Data Conditions
von: Liu, Yujing, et al.
Veröffentlicht: (2025)

Finite Sample Analysis of Open-loop Subspace Identification Methods
von: He, Jiabao, et al.
Veröffentlicht: (2025)

Information Theoretically Optimal Sample Complexity of Learning Dynamical Directed Acyclic Graphs
von: Veedu, Mishfad Shaikh, et al.
Veröffentlicht: (2023)

A Simple Finite-Time Analysis of TD Learning with Linear Function Approximation
von: Mitra, Aritra
Veröffentlicht: (2024)

Robustness of Iteratively Pre-Conditioned Gradient-Descent Method: The Case of Distributed Linear Regression Problem
von: Chakrabarti, Kushal, et al.
Veröffentlicht: (2021)

A Short and Unified Convergence Analysis of the SAG, SAGA, and IAG Algorithms
von: Zhu, Feng, et al.
Veröffentlicht: (2026)

Finite Sample Analysis of Tensor Decomposition for Learning Mixtures of Linear Systems
von: Rui, Maryann, et al.
Veröffentlicht: (2024)

Regret Analysis of Multi-task Representation Learning for Linear-Quadratic Adaptive Control
von: Lee, Bruce D., et al.
Veröffentlicht: (2024)

Analysis of Off-Policy Multi-Step TD-Learning with Linear Function Approximation
von: Lee, Donghwan
Veröffentlicht: (2024)

A Control Theoretic Framework for Adaptive Gradient Optimizers in Machine Learning
von: Chakrabarti, Kushal, et al.
Veröffentlicht: (2022)

Solving Offline Reinforcement Learning with Decision Tree Regression
von: Koirala, Prajwal, et al.
Veröffentlicht: (2024)

Learning to Sparsify Stochastic Linear Bandits
von: Wang, Zhengmiao, et al.
Veröffentlicht: (2026)

Recurrent Auto-Encoders for Enhanced Deep Reinforcement Learning in Wilderness Search and Rescue Planning
von: Ewers, Jan-Hendrik, et al.
Veröffentlicht: (2025)

Mutual Information Optimal Control of Discrete-Time Linear Systems
von: Enami, Shoju, et al.
Veröffentlicht: (2025)

On Policy Stochasticity in Mutual Information Optimal Control of Linear Systems
von: Enami, Shoju, et al.
Veröffentlicht: (2025)

Learning Linear Dynamics from Bilinear Observations
von: Sattar, Yahya, et al.
Veröffentlicht: (2024)

Stable Linear Subspace Identification: A Machine Learning Approach
von: Di Natale, Loris, et al.
Veröffentlicht: (2023)

Sample Complexity of the Linear Quadratic Regulator: A Reinforcement Learning Lens
von: Moghaddam, Amirreza Neshaei, et al.
Veröffentlicht: (2024)

On the System Theoretic Offline Learning of Continuous-Time LQR with Exogenous Disturbances
von: Mukherjee, Sayak, et al.
Veröffentlicht: (2025)

Finite-Sample Identification of Linear Regression Models with Residual-Permuted Sums
von: Szentpéteri, Szabolcs, et al.
Veröffentlicht: (2024)

Scalar Federated Learning for Linear Quadratic Regulator
von: Rostami, Mohammadreza, et al.
Veröffentlicht: (2026)

Learning Decentralized Linear Quadratic Regulators with $\sqrt{T}$ Regret
von: Ye, Lintao, et al.
Veröffentlicht: (2022)

Machine Learning and Deep Learning Models for Short Term Electricity Price Forecasting in Australia's National Electricity Market
von: Lu, Wei, et al.
Veröffentlicht: (2026)

Nonasymptotic Regret Analysis of Adaptive Linear Quadratic Control with Model Misspecification
von: Lee, Bruce D., et al.
Veröffentlicht: (2023)

Asynchronous Distributed Gaussian Process Regression for Online Learning and Dynamical Systems: Complementary Document
von: Yang, Zewen, et al.
Veröffentlicht: (2024)

Regret Analysis of Policy Optimization over Submanifolds for Linearly Constrained Online LQG
von: Chang, Ting-Jui, et al.
Veröffentlicht: (2024)

Koopman Kernel Regression
von: Bevanda, Petar, et al.
Veröffentlicht: (2023)

Gradient-Based Data Valuation Improves Curriculum Learning for Game-Theoretic Motion Planning
von: Li, Shihao, et al.
Veröffentlicht: (2026)

Joint Learning of Linear Time-Invariant Dynamical Systems
von: Modi, Aditya, et al.
Veröffentlicht: (2021)

Online Reinforcement Learning in Markov Decision Process Using Linear Programming
von: Leon, Vincent, et al.
Veröffentlicht: (2023)