Buchumschlag

Data Compression using Rank-1 Lattices for Parameter Estimation in Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gnewuch, Michael, Harsha, Kumar, Wnuk, Marcin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Numerical Analysis Machine Learning 68Q32, 65D30, 42B05 (Primary) 11K38 (Secondary) F.2.1; G.1.2
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi- and Infinite-variate Integration and $L^2$-Approximation on Hilbert Spaces with Gaussian Kernels
von: Gnewuch, Michael, et al.
Veröffentlicht: (2024)

On recovering the Radon-Nikodym derivative under the big data assumption
von: Myleiko, Hanna, et al.
Veröffentlicht: (2025)

Reliable Optimization Under Noise in Quantum Variational Algorithms
von: Novák, Vojtěch, et al.
Veröffentlicht: (2025)

A Stochastic Objective-Function-Free Adaptive Regularization Method with Optimal Complexity
von: Gratton, Serge, et al.
Veröffentlicht: (2024)

Iteration complexity of the Difference-of-Convex Algorithm for unconstrained optimization: a simple proof
von: Gratton, Serge, et al.
Veröffentlicht: (2026)

Fast Stochastic Second-Order Adagrad for Nonconvex Bound-Constrained Optimization
von: Bellavia, S., et al.
Veröffentlicht: (2025)

Pauli-structured preconditioning for quantum linear system solvers
von: Nie, Hantao, et al.
Veröffentlicht: (2026)

Optimization Strategies for Variational Quantum Algorithms in Noisy Landscapes
von: Novák, Vojtěch, et al.
Veröffentlicht: (2025)

A randomised lattice rule algorithm with pre-determined generating vector and random number of points for Korobov spaces with $0 < α\le 1/2$
von: Nuyens, Dirk, et al.
Veröffentlicht: (2023)

Examples of slow convergence for adaptive regularization optimization methods are not isolated
von: Toint, Philippe L.
Veröffentlicht: (2024)

Refining asymptotic complexity bounds for nonconvex optimization methods, including why steepest descent is $o(ε^{-2})$ rather than $\mathcal{O}(ε^{-2})$
von: Gratton, Serge, et al.
Veröffentlicht: (2024)

Belief in False Information: A Human-Centered Security Risk in Sociotechnical Systems
von: Walke, Fabian, et al.
Veröffentlicht: (2026)

What is a POLYNOMIAL-TIME Computable L2-Function?
von: Bacho, Aras, et al.
Veröffentlicht: (2026)

From CRUD to Autonomous Agents: Formal Validation and Zero-Trust Security for Semantic Gateways in AI-Native Enterprise Systems
von: Peyrano, Ignacio
Veröffentlicht: (2026)

Inferring Input Grammars from Code with Symbolic Parsing
von: Bettscheider, Leon, et al.
Veröffentlicht: (2025)

A quantum implementation of high-order power method for estimating geometric entanglement of pure states
von: Semenov, Andrii, et al.
Veröffentlicht: (2024)

Predicting Memory Demands of BDD Operations using Maximum Graph Cuts (Extended Paper)
von: Sølvsten, Steffan Christ, et al.
Veröffentlicht: (2023)

Error Analysis of the Deep Mixed Residual Method for High-order Elliptic Equations
von: Bai, Mengjia, et al.
Veröffentlicht: (2024)

QMC integration based on arbitrary (t,m,s)-nets yields optimal convergence rates on several scales of function spaces
von: Gnewuch, Michael, et al.
Veröffentlicht: (2024)

Tensor-based compression of the sea temperature data
von: Kosolapov, Ilya, et al.
Veröffentlicht: (2025)

Beyond Universal Approximation Theorems: Algorithmic Uniform Approximation by Neural Networks Trained with Noisy Data
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

Understanding the Nature of Generative AI as Threshold Logic in High-Dimensional Space
von: Levin, Ilya
Veröffentlicht: (2026)

Constructing Orthogonal Rational Function Vectors with an application in Rational Approximation
von: Vermeiren, Robbe
Veröffentlicht: (2026)

An Algebraic Rigidity Framework for Order-Oblivious Deterministic Black-Box PIT of ROABPs
von: Singh, Shalender, et al.
Veröffentlicht: (2026)

The Transformation Risk-Benefit Model of Artificial Intelligence: Balancing Risks and Benefits Through Practical Solutions and Use Cases
von: Fulton, Richard, et al.
Veröffentlicht: (2024)

Greedy feature selection: Classifier-dependent feature selection via greedy methods
von: Camattari, Fabiana, et al.
Veröffentlicht: (2024)

Near-optimal learning of Banach-valued, high-dimensional functions via deep neural networks
von: Adcock, Ben, et al.
Veröffentlicht: (2022)

Quantum Algorithm for Local-Volatility Option Pricing via the Kolmogorov Equation
von: Guseynov, Nikita, et al.
Veröffentlicht: (2025)

Efficient explicit circuit for quantum state preparation of piecewise continuous functions
von: Guseynov, Nikita, et al.
Veröffentlicht: (2024)

Optimistic Feasible Search for Closed-Loop Fair Threshold Decision-Making
von: Du, Wenzhang
Veröffentlicht: (2025)

Multivariate Rational Approximation of Scattered Data Using the p-AAA Algorithm
von: Balicki, Linus, et al.
Veröffentlicht: (2025)

A Note on the Direct Approximation of Derivatives in Rational Radial Basis Functions Partition of Unity Method
von: Mohammadi, Vahid, et al.
Veröffentlicht: (2025)

Recursive Bound-Constrained AdaGrad with Applications to Multilevel and Domain Decomposition Minimization
von: Gratton, Serge, et al.
Veröffentlicht: (2025)

Near-Optimal Bootstrapping of Hitting Sets for Algebraic Models
von: Kumar, Mrinal, et al.
Veröffentlicht: (2018)

Quantum Deep Learning Still Needs a Quantum Leap
von: Gundlach, Hans, et al.
Veröffentlicht: (2025)

Toward Self-Driving Universities: Can Universities Drive Themselves with Agentic AI?
von: Koubaa, Anis
Veröffentlicht: (2026)

Deep Neural Networks with General Activations: Super-Convergence in Sobolev Norms
von: Yang, Yahong, et al.
Veröffentlicht: (2025)

Tool Receipts, Not Zero-Knowledge Proofs: Practical Hallucination Detection for AI Agents
von: Basu, Abhinaba
Veröffentlicht: (2026)

Nonconforming $hp$-FE/BE coupling on unstructured meshes based on Nitsche's method
von: Chernov, Alexey, et al.
Veröffentlicht: (2026)

Do Hackers Dream of Electric Teachers?: A Large-Scale, In-Situ Evaluation of Cybersecurity Student Behaviors and Performance with AI Tutors
von: Tompkins, Michael, et al.
Veröffentlicht: (2026)