Buchumschlag

Stochastic gradient descent estimation of generalized matrix factorization models with application to single-cell RNA sequencing data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Castiglione, Cristian, Segers, Alexandre, Clement, Lieven, Risso, Davide
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

One-step corrected projected stochastic gradient descent for statistical estimation
von: Brouste, Alexandre, et al.
Veröffentlicht: (2023)

The Deep Generative Decoder: MAP estimation of representations improves modeling of single-cell RNA data
von: Schuster, Viktoria, et al.
Veröffentlicht: (2021)

State-space models can learn in-context by gradient descent
von: Sushma, Neeraj Mohan, et al.
Veröffentlicht: (2024)

Learning single index model with gradient descent: spectral initialization and precise asymptotics
von: Chen, Yuchen, et al.
Veröffentlicht: (2025)

Non-negative matrix factorization algorithms generally improve topic model fits
von: Carbonetto, Peter, et al.
Veröffentlicht: (2021)

Guided parallelized stochastic gradient descent for delay compensation
von: Sharma, Anuraganand
Veröffentlicht: (2021)

Explainable AI model reveals disease-related mechanisms in single-cell RNA-seq data
von: Usman, Mohammad, et al.
Veröffentlicht: (2025)

Gradient descent in matrix factorization: Understanding large initialization
von: Chen, Hengchao, et al.
Veröffentlicht: (2023)

Linear-cost unbiased posterior estimates for crossed effects and matrix factorization models via couplings
von: Ceriani, Paolo Maria, et al.
Veröffentlicht: (2024)

Gradient descent with generalized Newton's method
von: Bu, Zhiqi, et al.
Veröffentlicht: (2024)

Gradient descent in materia through homodyne gradient extraction
von: Boon, Marcus N., et al.
Veröffentlicht: (2021)

JojoSCL: Shrinkage Contrastive Learning for single-cell RNA sequence Clustering
von: Wang, Ziwen
Veröffentlicht: (2025)

Optimal and computationally tractable lower bounds for logistic log-likelihoods
von: Anceschi, Niccolò, et al.
Veröffentlicht: (2024)

Training morphological neural networks with gradient descent: some theoretical insights
von: Blusseau, Samy
Veröffentlicht: (2024)

The duality structure gradient descent algorithm: analysis and applications to neural networks
von: Flynn, Thomas
Veröffentlicht: (2017)

Uncertainty quantification by block bootstrap for differentially private stochastic gradient descent
von: Dette, Holger, et al.
Veröffentlicht: (2024)

Convergence of continuous-time stochastic gradient descent with applications to deep neural networks
von: Lugosi, Gabor, et al.
Veröffentlicht: (2024)

Gradient descent for deep equilibrium single-index models
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2025)

Error bounds for particle gradient descent, and extensions of the log-Sobolev and Talagrand inequalities
von: Caprio, Rocco, et al.
Veröffentlicht: (2024)

Training thermodynamic computers by gradient descent
von: Whitelam, Stephen
Veröffentlicht: (2025)

Clustering by Denoising: Latent plug-and-play diffusion for single-cell data
von: Meier, Dominik, et al.
Veröffentlicht: (2025)

On the global convergence of gradient descent for wide shallow models with bounded nonlinearities
von: Petit, Romain, et al.
Veröffentlicht: (2026)

Lower-dimensional projections of cellular expression improves cell type classification from single-cell RNA sequencing
von: Umar, Muhammad, et al.
Veröffentlicht: (2024)

Fast training of accurate physics-informed neural networks without gradient descent
von: Datar, Chinmay, et al.
Veröffentlicht: (2024)

Oblivious Stochastic Composite Optimization
von: Lezane, Clément, et al.
Veröffentlicht: (2023)

Riemannian coordinate descent algorithms on matrix manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Singular-limit analysis of gradient descent with noise injection
von: Shalova, Anna, et al.
Veröffentlicht: (2024)

Fractional-order spike-timing-dependent gradient descent for multi-layer spiking neural networks
von: Yang, Yi, et al.
Veröffentlicht: (2024)

Privacy-preserving data release leveraging optimal transport and particle gradient descent
von: Donhauser, Konstantin, et al.
Veröffentlicht: (2024)

Identification and estimation for matrix time series CP-factor models
von: Chang, Jinyuan, et al.
Veröffentlicht: (2024)

Stochastic gradient descent for streaming linear and rectified linear systems with adversarial corruptions
von: Jeong, Halyun, et al.
Veröffentlicht: (2024)

Generalisation under gradient descent via deterministic PAC-Bayes
von: Clerico, Eugenio, et al.
Veröffentlicht: (2022)

Convergence of gradient descent for deep neural networks
von: Chatterjee, Sourav
Veröffentlicht: (2022)

New logarithmic step size for stochastic gradient descent
von: Shamaee, M. Soheil, et al.
Veröffentlicht: (2024)

BadGD: A unified data-centric framework to identify gradient descent vulnerabilities
von: Wang, Chi-Hua, et al.
Veröffentlicht: (2024)

Fast Spawn\&Prune (FS\&P): Global convergence of stochastic conic particle gradient descent via birth/death process
von: De Castro, Yohann, et al.
Veröffentlicht: (2026)

A block-coordinate descent framework for non-convex composite optimization. Application to sparse precision matrix estimation
von: Lauga, Guillaume
Veröffentlicht: (2026)

Stochastic gradient descent in high dimensions for multi-spiked tensor PCA
von: Arous, Gérard Ben, et al.
Veröffentlicht: (2024)

Efficient Stochastic Optimisation via Sequential Monte Carlo
von: Cuin, James, et al.
Veröffentlicht: (2026)

Spike-timing-dependent Hebbian learning as noisy gradient descent
von: Dexheimer, Niklas, et al.
Veröffentlicht: (2025)