Buchumschlag

The Price of Linear Time: Error Analysis of Structured Kernel Interpolation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Moreno, Alexander, Xiao, Justin, Mei, Jonathan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Finite-Time Analysis of Discrete-Time Stochastic Interpolants
von: Liu, Yuhao, et al.
Veröffentlicht: (2025)

Safe and High-Performance Learning of Model Predicitve Control using Kernel-Based Interpolation
von: Rose, Alexander, et al.
Veröffentlicht: (2024)

Local Linear Attention: An Optimal Interpolation of Linear and Softmax Attention For Test-Time Regression
von: Zuo, Yifei, et al.
Veröffentlicht: (2025)

High-Dimensional Gaussian Process Regression with Soft Kernel Interpolation
von: Camaño, Chris, et al.
Veröffentlicht: (2024)

Training-Free Generative Modeling via Kernelized Stochastic Interpolants
von: Coeurdoux, Florentin, et al.
Veröffentlicht: (2026)

Recurrent Neural Networks with Linear Structures for Electricity Price Forecasting
von: Amor, Souhir Ben, et al.
Veröffentlicht: (2025)

Analysis of Structured Deep Kernel Networks
von: Wenzel, Tizian, et al.
Veröffentlicht: (2021)

Continuous Treatment Effect Estimation Using Gradient Interpolation and Kernel Smoothing
von: Nagalapatti, Lokesh, et al.
Veröffentlicht: (2024)

A Regularization-Sharpness Tradeoff for Linear Interpolators
von: Hu, Qingyi, et al.
Veröffentlicht: (2026)

Data-Efficient Kernel Methods for Learning Differential Equations and Their Solution Operators: Algorithms and Error Analysis
von: Jalalian, Yasamin, et al.
Veröffentlicht: (2025)

Lower Bounds for Time-Varying Kernelized Bandits
von: Cai, Xu, et al.
Veröffentlicht: (2024)

Faster Algorithms for Structured Linear and Kernel Support Vector Machines
von: Gu, Yuzhou, et al.
Veröffentlicht: (2023)

Relative Error Embeddings for the Gaussian Kernel Distance
von: Chen, Di, et al.
Veröffentlicht: (2016)

Zero Generalization Error Theorem for Random Interpolators via Algebraic Geometry
von: Yoshida, Naoki, et al.
Veröffentlicht: (2025)

Leveraging Interpolation Models and Error Bounds for Verifiable Scientific Machine Learning
von: Chang, Tyler, et al.
Veröffentlicht: (2024)

Weighted Spectral Filters for Kernel Interpolation on Spheres: Estimates of Prediction Accuracy for Noisy Data
von: Liu, Xiaotong, et al.
Veröffentlicht: (2024)

Finite-Time Convergence Analysis of ODE-based Generative Models for Stochastic Interpolants
von: Liu, Yuhao, et al.
Veröffentlicht: (2025)

Multiple Locally Linear Kernel Machines
von: Picard, David
Veröffentlicht: (2024)

The Impact of Anisotropic Covariance Structure on the Training Dynamics and Generalization Error of Linear Networks
von: Watanabe, Taishi, et al.
Veröffentlicht: (2026)

New Equivalences Between Interpolation and SVMs: Kernels and Structured Features
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2023)

Recurrent Interpolants for Probabilistic Time Series Prediction
von: Chen, Yu, et al.
Veröffentlicht: (2024)

Stable Nonconvex-Nonconcave Training via Linear Interpolation
von: Pethick, Thomas, et al.
Veröffentlicht: (2023)

On Achieving Optimal Adversarial Test Error
von: Li, Justin D., et al.
Veröffentlicht: (2023)

Rethinking Time Series Domain Generalization via Structure-Stratified Calibration
von: Li, Jinyang, et al.
Veröffentlicht: (2026)

Tripletformer for Probabilistic Interpolation of Irregularly sampled Time Series
von: Yalavarthi, Vijaya Krishna, et al.
Veröffentlicht: (2022)

On Uniform Error Bounds for Kernel Regression under Non-Gaussian Noise
von: Teutsch, Johannes, et al.
Veröffentlicht: (2026)

Shrinkage to Infinity: Reducing Test Error by Inflating the Minimum Norm Interpolator in Linear Models
von: Freeman, Jake
Veröffentlicht: (2025)

An Analysis of Linear Time Series Forecasting Models
von: Toner, William, et al.
Veröffentlicht: (2024)

Training Guarantees of Neural Network Classification Two-Sample Tests by Kernel Analysis
von: Khurana, Varun, et al.
Veröffentlicht: (2024)

Unified Native Spaces in Kernel Methods
von: Emery, Xavier, et al.
Veröffentlicht: (2025)

Dynamic Pricing in the Linear Valuation Model using Shape Constraints
von: Bracale, Daniele, et al.
Veröffentlicht: (2025)

Kernel-Based Sparse Additive Nonlinear Model Structure Detection through a Linearization Approach
von: Ebrahimkhani, Sadegh, et al.
Veröffentlicht: (2025)

Scalable Linearized Laplace Approximation via Surrogate Neural Kernel
von: Ortega, Luis A., et al.
Veröffentlicht: (2026)

Learning Analysis of Kernel Ridgeless Regression with Asymmetric Kernel Learning
von: He, Fan, et al.
Veröffentlicht: (2024)

Expectation Error Bounds for Transfer Learning in Linear Regression and Linear Neural Networks
von: Liu, Meitong, et al.
Veröffentlicht: (2026)

Heavy-Ball Momentum Method in Continuous Time and Discretization Error Analysis
von: Lyu, Bochen, et al.
Veröffentlicht: (2025)

Kernel-U-Net: Multivariate Time Series Forecasting using Custom Kernels
von: You, Jiang, et al.
Veröffentlicht: (2024)

Automatic Expert Discovery in LLM Upcycling via Sparse Interpolated Mixture-of-Experts
von: Chen, Shengzhuang, et al.
Veröffentlicht: (2025)

Beyond Sin-Squared Error: Linear-Time Entrywise Uncertainty Quantification for Streaming PCA
von: Kumar, Syamantak, et al.
Veröffentlicht: (2025)