Buchumschlag

Mixing Times and Privacy Analysis for the Projected Langevin Algorithm under a Modulus of Continuity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bravo, Mario, Flores-Mella, Juan P., Guzmán, Cristóbal
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Optimization and Control Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Improved Analysis of Langevin Algorithms with Prior Diffusion for Non-Log-Concave Sampling
von: Huang, Xunpeng, et al.
Veröffentlicht: (2024)

Mean-field underdamped Langevin dynamics and its spacetime discretization
von: Fu, Qiang, et al.
Veröffentlicht: (2023)

Mixing Time of the Proximal Sampler in Relative Fisher Information via Strong Data Processing Inequality
von: Wibisono, Andre
Veröffentlicht: (2025)

Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization
von: Yang, Zhuoran, et al.
Veröffentlicht: (2020)

Algorithms for mean-field variational inference via polyhedral optimization in the Wasserstein space
von: Jiang, Yiheng, et al.
Veröffentlicht: (2023)

Learning an Optimal Assortment Policy under Observational Data
von: Han, Yuxuan, et al.
Veröffentlicht: (2025)

The High Line: Exact Risk and Learning Rate Curves of Stochastic Adaptive Learning Rate Algorithms
von: Collins-Woodfin, Elizabeth, et al.
Veröffentlicht: (2024)

Continuous-time reinforcement learning: ellipticity enables model-free value function approximation
von: Mou, Wenlong
Veröffentlicht: (2026)

Risk reversal for least squares estimators under nested convex constraints
von: Al-Ghattas, Omar
Veröffentlicht: (2026)

Decoupled Continuous-Time Reinforcement Learning via Hamiltonian Flow
von: Nguyen, Minh
Veröffentlicht: (2026)

Error Analysis of Triangular Optimal Transport Maps for Filtering
von: Al-Jarrah, Mohammad, et al.
Veröffentlicht: (2025)

Learning linear dynamical systems under convex constraints
von: Tyagi, Hemant, et al.
Veröffentlicht: (2023)

Shifted Interpolation for Differential Privacy
von: Bok, Jinho, et al.
Veröffentlicht: (2024)

Joint Learning of Linear Dynamical Systems under Smoothness Constraints
von: Tyagi, Hemant
Veröffentlicht: (2024)

Frequentist Regret Analysis of Gaussian Process Thompson Sampling via Fractional Posteriors
von: Roy, Somjit, et al.
Veröffentlicht: (2026)

Learning the Uncertainty Sets for Control Dynamics via Set Membership: A Non-Asymptotic Analysis
von: Li, Yingying, et al.
Veröffentlicht: (2023)

Estimating Higher-Order Mixed Memberships via the $\ell_{2,\infty}$ Tensor Perturbation Bound
von: Agterberg, Joshua, et al.
Veröffentlicht: (2022)

Fast convergence of the Expectation Maximization algorithm under a logarithmic Sobolev inequality
von: Caprio, Rocco, et al.
Veröffentlicht: (2024)

Learning and Decision-Making with Data: Optimal Formulations and Phase Transitions
von: Bennouna, Amine, et al.
Veröffentlicht: (2021)

Stochastic Optimization with Optimal Importance Sampling
von: Aolaritei, Liviu, et al.
Veröffentlicht: (2025)

Inverse Mixed-Integer Programming: Learning Constraints then Objective Functions
von: Kitaoka, Akira
Veröffentlicht: (2025)

Statistical and Algorithmic Foundations of Reinforcement Learning
von: Chi, Yuejie, et al.
Veröffentlicht: (2025)

Joint learning of a network of linear dynamical systems via total variation penalization
von: Donnat, Claire, et al.
Veröffentlicht: (2025)

A review of NMF, PLSA, LBA, EMA, and LCA with a focus on the identifiability issue
von: Qi, Qianqian, et al.
Veröffentlicht: (2025)

Is Q-Learning Minimax Optimal? A Tight Sample Complexity Analysis
von: Li, Gen, et al.
Veröffentlicht: (2021)

Statistical Analysis of Conditional Group Distributionally Robust Optimization with Cross-Entropy Loss
von: Guo, Zijian, et al.
Veröffentlicht: (2025)

A Piecewise Lyapunov Analysis of Sub-quadratic SGD: Applications to Robust and Quantile Regression
von: Zhang, Yixuan, et al.
Veröffentlicht: (2025)

Straight-Through meets Sparse Recovery: the Support Exploration Algorithm
von: Mohamed, Mimoun, et al.
Veröffentlicht: (2023)

A Theory of Feature Learning in Kernel Models
von: Chen, Yunlu, et al.
Veröffentlicht: (2023)

High-dimensional Limit of SGD for Diagonal Linear Networks
von: Malaxechebarría, Begoña García, et al.
Veröffentlicht: (2026)

Pessimism Meets Risk: Risk-Sensitive Offline Reinforcement Learning
von: Zhang, Dake, et al.
Veröffentlicht: (2024)

Online Inference of Constrained Optimization: Primal-Dual Optimality and Sequential Quadratic Programming
von: Gao, Yihang, et al.
Veröffentlicht: (2025)

A Spectral Framework for Closed-Form Relative Density Estimation
von: Bach, Francis
Veröffentlicht: (2026)

Denoising Diffusions with Optimal Transport: Localization, Curvature, and Multi-Scale Complexity
von: Liang, Tengyuan, et al.
Veröffentlicht: (2024)

Blessings and Curses of Covariate Shifts: Adversarial Learning Dynamics, Directional Convergence, and Equilibria
von: Liang, Tengyuan
Veröffentlicht: (2022)

Extreme mass distributions for quasi-copulas
von: Omladič, Matjaž, et al.
Veröffentlicht: (2025)

Convergence of flow-based generative models via proximal gradient descent in Wasserstein space
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2023)

An Elementary Proof of the Near Optimality of LogSumExp Smoothing
von: Samakhoana, Thabo, et al.
Veröffentlicht: (2025)

Iteratively reweighted kernel machines efficiently learn sparse functions
von: Zhu, Libin, et al.
Veröffentlicht: (2025)

Online Experimental Design With Estimation-Regret Trade-off Under Network Interference
von: Zhang, Zhiheng, et al.
Veröffentlicht: (2024)