:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Bettache, Nayel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	https://arxiv.org/abs/2412.17749
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Finite-Sample Inference for Sparsely Permuted Linear Regression
von: Ota, Hirofumi, et al.
Veröffentlicht: (2026)

Minimax Linear Regression under the Quantile Risk
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2024)

Finite Sample Confidence Regions for Linear Regression Parameters Using Arbitrary Predictors
von: Guille-Escuret, Charles, et al.
Veröffentlicht: (2024)

Navigating Sparsities in High-Dimensional Linear Contextual Bandits
von: Zhao, Rui, et al.
Veröffentlicht: (2025)

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

Finite Sample Analysis of Distribution-Free Confidence Ellipsoids for Linear Regression
von: Szentpéteri, Szabolcs, et al.
Veröffentlicht: (2024)

Linear Regression under Missing or Corrupted Coordinates
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Finite-sample performance of the maximum likelihood estimator in logistic regression
von: Chardon, Hugo, et al.
Veröffentlicht: (2024)

Max-Linear Regression by Convex Programming
von: Kim, Seonho, et al.
Veröffentlicht: (2021)

Online and Offline Robust Multivariate Linear Regression
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

Functional Linear Regression of Cumulative Distribution Functions
von: Zhang, Qian, et al.
Veröffentlicht: (2022)

Learning under Latent Group Sparsity via Diffusion on Networks
von: Ghosh, Subhroshekhar, et al.
Veröffentlicht: (2025)

Bagging Provides Assumption-free Stability
von: Soloff, Jake A., et al.
Veröffentlicht: (2023)

On the Interpolation Error of Nonlinear Attention versus Linear Regression
von: Liao, Zhenyu, et al.
Veröffentlicht: (2025)

The Limits of Assumption-free Tests for Algorithm Performance
von: Luo, Yuetian, et al.
Veröffentlicht: (2024)

Asymptotics of Random Feature Regression Beyond the Linear Scaling Regime
von: Hu, Hong, et al.
Veröffentlicht: (2024)

Unveiling the Cycloid Trajectory of EM Iterations in Mixed Linear Regression
von: Luo, Zhankun, et al.
Veröffentlicht: (2024)

Improved Scaling Laws in Linear Regression via Data Reuse
von: Lin, Licong, et al.
Veröffentlicht: (2025)

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
von: Kim, Yeichan, et al.
Veröffentlicht: (2025)

Self-Normalized Martingales and Uniform Regret Bounds for Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2026)

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression
von: Wegel, Tobias, et al.
Veröffentlicht: (2025)

O(d/T) Convergence Theory for Diffusion Probabilistic Models under Minimal Assumptions
von: Li, Gen, et al.
Veröffentlicht: (2024)

A Sharp KL-Convergence Analysis for Diffusion Models under Minimal Assumptions
von: Jain, Nishant, et al.
Veröffentlicht: (2025)

Assumption-free stability for ranking problems
von: Liang, Ruiting, et al.
Veröffentlicht: (2025)

The Thermodynamic Costs of Simple Linear Regression
von: D'Ambrosia, Samuel H., et al.
Veröffentlicht: (2026)

Multiple Testing of Linear Forms for Noisy Matrix Completion
von: Ma, Wanteng, et al.
Veröffentlicht: (2023)

Prediction Risk and Estimation Risk of the Ridgeless Least Squares Estimator under General Assumptions on Regression Errors
von: Lee, Sungyoon, et al.
Veröffentlicht: (2023)

Batches Stabilize the Minimum Norm Risk in High Dimensional Overparameterized Linear Regression
von: Ioushua, Shahar Stein, et al.
Veröffentlicht: (2023)

Minimax and Adaptive Covariance Matrix Estimation under Differential Privacy
von: Cai, T. Tony, et al.
Veröffentlicht: (2026)

Optimal Excess Risk Bounds for Empirical Risk Minimization on $p$-Norm Linear Regression
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2023)

On Linear Separability under Linear Compression with Applications to Hard Support Vector Machine
von: McVay, Paul, et al.
Veröffentlicht: (2022)

Iterative Reweighted Framework Based Algorithms for Sparse Linear Regression with Generalized Elastic Net Penalty
von: Ding, Yanyun, et al.
Veröffentlicht: (2024)

Minimax Semiparametric Learning With Approximate Sparsity
von: Bradic, Jelena, et al.
Veröffentlicht: (2019)

Identifying Linearly-Mixed Causal Representations from Multi-Node Interventions
von: Bing, Simon, et al.
Veröffentlicht: (2023)

Scaling Laws in Linear Regression: Compute, Parameters, and Data
von: Lin, Licong, et al.
Veröffentlicht: (2024)

Decentralized Sparse Linear Regression via Gradient-Tracking: Linear Convergence and Statistical Guarantees
von: Maros, Marie, et al.
Veröffentlicht: (2022)

Locally Near Optimal Piecewise Linear Regression in High Dimensions via Difference of Max-Affine Functions
von: Kanj, Haitham, et al.
Veröffentlicht: (2026)

Shuffled Linear Regression via Spectral Matching
von: Liu, Hang, et al.
Veröffentlicht: (2024)

Estimation methods of Matrix-valued AR model
von: Kołodziejski, Kamil
Veröffentlicht: (2025)