Buchumschlag

Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lavaee, Alex
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recent and Upcoming Developments in Randomized Numerical Linear Algebra for Machine Learning
von: Dereziński, Michał, et al.
Veröffentlicht: (2024)

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

Numerical Linear Algebra: Least Squares, QR and SVD
von: Mirzaei, Davoud
Veröffentlicht: (2024)

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

Sequential Least-Squares Estimators with Fast Randomized Sketching for Linear Statistical Models
von: Chen, Guan-Yu, et al.
Veröffentlicht: (2025)

Towards Learning High-Precision Least Squares Algorithms with Sequence Models
von: Liu, Jerry, et al.
Veröffentlicht: (2025)

Maximal Volume Matrix Cross Approximation for Image Compression and Least Squares Solution
von: Allen, Kenneth, et al.
Veröffentlicht: (2023)

Matrix-Free Least Squares Solvers: Values, Gradients, and What to Do With Them
von: Roy, Hrittik, et al.
Veröffentlicht: (2025)

Foundations of Polar Linear Algebra
von: Guasti, Giovanni
Veröffentlicht: (2026)

Multi-Level GNN Preconditioner for Solving Large Scale Problems
von: Nastorg, Matthieu, et al.
Veröffentlicht: (2024)

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

Sketching the Heat Kernel: Using Gaussian Processes to Embed Data
von: Gilbert, Anna C., et al.
Veröffentlicht: (2024)

Implementing Recycling Methods for Linear Systems in Python with an Application to Multiple Objective Optimization
von: Garcia, Ainara, et al.
Veröffentlicht: (2024)

An Optimal Least-Square Solver For Scaled Partial-Isometric Linear Systems
von: Kar, Suvendu, et al.
Veröffentlicht: (2025)

Solving Partial Differential Equations with Random Feature Models
von: Liao, Chunyang
Veröffentlicht: (2024)

QuatIca: Advanced Numerical Linear Algebra and Optimization for Quaternionic Matrices in Python
von: Leplat, Valentin, et al.
Veröffentlicht: (2026)

Convergence and Sketching-Based Efficient Computation of Neural Tangent Kernel Weights in Physics-Based Loss
von: Hirsch, Max, et al.
Veröffentlicht: (2025)

Probabilistic Analysis of Least Squares, Orthogonal Projection, and QR Factorization Algorithms Subject to Gaussian Noise
von: Lotfi, Ali, et al.
Veröffentlicht: (2024)

Sketching Low-Rank Plus Diagonal Matrices
von: Fernandez, Andres, et al.
Veröffentlicht: (2025)

Numerical Error Analysis of Large Language Models
von: Budzinskiy, Stanislav, et al.
Veröffentlicht: (2025)

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

Revisiting Approximate Leverage Score Sketching for Matrix Least Squares
von: Larsen, Brett W., et al.
Veröffentlicht: (2022)

Stability of Least Squares Approximation under Random Sampling
von: Xu, Zhiqiang, et al.
Veröffentlicht: (2024)

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

Spectral Function Space Learning and Numerical Linear Algebra Networks for Solving Linear Inverse Problems
von: Aspri, Andrea, et al.
Veröffentlicht: (2024)

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

Solution of Least Squares Problems with Randomized Preconditioned Normal Equations
von: Ipsen, Ilse C. F.
Veröffentlicht: (2025)

AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios
von: Huang, Zhongzhan, et al.
Veröffentlicht: (2023)

Solving All Regression Models For Learning Gaussian Networks Using Givens Rotations
von: Alipourfard, Borzou, et al.
Veröffentlicht: (2019)

Efficiently Solving High-Order and Nonlinear ODEs with Rational Fraction Polynomial: the Ratio Net
von: Qin, Chenxin, et al.
Veröffentlicht: (2021)

MgNO: Efficient Parameterization of Linear Operators via Multigrid
von: He, Juncai, et al.
Veröffentlicht: (2023)

Approximating Numerical Fluxes Using Fourier Neural Operators for Hyperbolic Conservation Laws
von: Kim, Taeyoung, et al.
Veröffentlicht: (2024)

Efficient Numerical Integration in Reproducing Kernel Hilbert Spaces via Leverage Scores Sampling
von: Chatalic, Antoine, et al.
Veröffentlicht: (2023)

FBSJNN: A Theoretically Interpretable and Efficiently Deep Learning method for Solving Partial Integro-Differential Equations
von: Ye, Zaijun, et al.
Veröffentlicht: (2024)

Multivariate Density Estimation via Variance-Reduced Sketching
von: Peng, Yifan, et al.
Veröffentlicht: (2024)

Modeling Large-Scale Walking and Cycling Networks: A Machine Learning Approach Using Mobile Phone and Crowdsourced Data
von: Saberi, Meead, et al.
Veröffentlicht: (2024)

Generalized Moving Least-Squares Methods for Solving Vector-valued PDEs on Unknown Manifolds
von: Li, Rongji, et al.
Veröffentlicht: (2024)

Flexible and Efficient Probabilistic PDE Solvers through Gaussian Markov Random Fields
von: Weiland, Tim, et al.
Veröffentlicht: (2025)

Randomized Tensor Ring Decomposition and Its Application to Large-scale Data Reconstruction
von: Yuan, Longhao, et al.
Veröffentlicht: (2019)

SVD-Preconditioned Gradient Descent Method for Solving Nonlinear Least Squares Problems
von: Chang, Zhipeng, et al.
Veröffentlicht: (2026)