:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Zhankun, Hashemi, Abolfazl
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2508.10154
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Structural Properties, Cycloid Trajectories and Non-Asymptotic Guarantees of EM Algorithm for Mixed Linear Regression
von: Luo, Zhankun, et al.
Veröffentlicht: (2025)

First-Order Softmax Weighted Switching Gradient Method for Distributed Stochastic Minimax Optimization with Stochastic Constraints
von: Luo, Zhankun, et al.
Veröffentlicht: (2026)

Unified High-Probability Analysis of Stochastic Variance-Reduced Estimation
von: Luo, Zhankun, et al.
Veröffentlicht: (2026)

RAMPAGE: RAndomized Mid-Point for debiAsed Gradient Extrapolation
von: Luo, Zhankun, et al.
Veröffentlicht: (2026)

Learning Overspecified Gaussian Mixtures Exponentially Fast with the EM Algorithm
von: Assylbekov, Zhenisbek, et al.
Veröffentlicht: (2025)

Convergence of Expectation-Maximization Algorithm with Mixed-Integer Optimization
von: Joseph, Geethu
Veröffentlicht: (2024)

Equitable Federated Learning with Activation Clustering
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2024)

Overspecified Mixture Discriminant Analysis: Exponential Convergence, Statistical Guarantees, and Remote Sensing Applications
von: Bolatov, Arman, et al.
Veröffentlicht: (2025)

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

Submodular Maximization Approaches for Equitable Client Selection in Federated Learning
von: Jiménez, Andrés Catalino Castillo, et al.
Veröffentlicht: (2024)

A Finite-Iteration Theory for Asynchronous Categorical Distributional Temporal-Difference Learning
von: Kaya, Ege C., et al.
Veröffentlicht: (2026)

Optimistic Regret Bounds for Online Learning in Adversarial Markov Decision Processes
von: Moon, Sang Bin, et al.
Veröffentlicht: (2024)

Allocating Variance to Maximize Expectation
von: Leme, Renato Purita Paes, et al.
Veröffentlicht: (2025)

EM-Net: Gaze Estimation with Expectation Maximization Algorithm
von: Cheng, Zhang, et al.
Veröffentlicht: (2024)

Localized Distributional Robustness in Submodular Multi-Task Subset Selection
von: Kaya, Ege C., et al.
Veröffentlicht: (2024)

Beyond Bounded Variance: Variance-Reduced Normalized Methods for Nonconvex Optimization under Blum-Gladyshev Noise
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2026)

Diffusion Alignment as Variational Expectation-Maximization
von: Lee, Jaewoo, et al.
Veröffentlicht: (2025)

Density Operator Expectation Maximization
von: Vishnu, Adit, et al.
Veröffentlicht: (2025)

AdaGossip: Adaptive Consensus Step-size for Decentralized Deep Learning with Communication Compression
von: Aketi, Sai Aparna, et al.
Veröffentlicht: (2024)

Zeroth-Order Non-Log-Concave Sampling with Variance Reduction and Applications to Inverse Problems
von: Sahin, M. Berk, et al.
Veröffentlicht: (2026)

Deep Generative Clustering with VAEs and Expectation-Maximization
von: Adipoetra, Michael, et al.
Veröffentlicht: (2025)

Massively Parallel Expectation Maximization For Approximate Posteriors
von: Heap, Thomas, et al.
Veröffentlicht: (2025)

Learning to Reason in LLMs by Expectation Maximization
von: Lee, Junghyun, et al.
Veröffentlicht: (2025)

On the Benefits of Inducing Local Lipschitzness for Robust Generative Adversarial Imitation Learning
von: Memarian, Farzan, et al.
Veröffentlicht: (2021)

Joint MDPs and Reinforcement Learning in Coupled-Dynamics Environments
von: Kaya, Ege C., et al.
Veröffentlicht: (2026)

FedSGM: A Unified Framework for Constraint Aware, Bidirectionally Compressed, Multi-Step Federated Optimization
von: Upadhyay, Antesh, et al.
Veröffentlicht: (2026)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

SEMF: Supervised Expectation-Maximization Framework for Predicting Intervals
von: Azizi, Ilia, et al.
Veröffentlicht: (2024)

Learning Diffusion Priors from Observations by Expectation Maximization
von: Rozet, François, et al.
Veröffentlicht: (2024)

Rank It, Then Ask It: Input Reranking for Maximizing the Performance of LLMs on Symmetric Tasks
von: Dehghankar, Mohsen, et al.
Veröffentlicht: (2024)

Learning to Localize Leakage of Cryptographic Sensitive Variables
von: Gammell, Jimmy, et al.
Veröffentlicht: (2025)

Fitting Large Nonlinear Mixed Effects Models Using Variational Expectation Maximization
von: Tarek, Mohamed, et al.
Veröffentlicht: (2026)

Importance Weighted Expectation-Maximization for Protein Sequence Design
von: Song, Zhenqiao, et al.
Veröffentlicht: (2023)

Stochastic Approximation with Biased MCMC for Expectation Maximization
von: Gruffaz, Samuel, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Graph Self-Training with Expectation-Maximization Regularization
von: Wang, Emily, et al.
Veröffentlicht: (2025)

Learning Mixture Density via Natural Gradient Expectation Maximization
von: Chen, Yutao, et al.
Veröffentlicht: (2026)

Expectation Maximization (EM) Converges for General Agnostic Mixtures
von: Ghosh, Avishek
Veröffentlicht: (2026)

Lower Bounds and Proximally Anchored SGD for Non-Convex Minimization Under Unbounded Variance
von: Fazla, Arda, et al.
Veröffentlicht: (2026)

Quotient-Categorical Representations for Bellman-Compatible Average-Reward Distributional Reinforcement Learning
von: Kaya, Ege C., et al.
Veröffentlicht: (2026)