Copertina

Diagonal Linear Networks and the Lasso Regularization Path

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Berthier, Raphaël
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Optimization and Control 62J07, 68T07 G.3
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Look-Ahead Screening Rules for the Lasso
di: Larsson, Johan
Pubblicazione: (2021)

Benchmarking State Space Models, Transformers, and Recurrent Networks for US Grid Forecasting
di: Hong, Sunki, et al.
Pubblicazione: (2026)

Generalization Error of GAN from the Discriminator's Perspective
di: Yang, Hongkang, et al.
Pubblicazione: (2021)

Preconditioned Regularized Wasserstein Proximal Sampling
di: Tan, Hong Ye, et al.
Pubblicazione: (2025)

Machine Collaboration
di: Liu, Qingfeng, et al.
Pubblicazione: (2021)

The Choice of Normalization Influences Shrinkage in Regularized Regression
di: Larsson, Johan, et al.
Pubblicazione: (2025)

CDFlow: Building Invertible Layers with Circulant and Diagonal Matrices
di: Feng, Xuchen, et al.
Pubblicazione: (2025)

Jacobian-Velocity Bounds for Deployment Risk Under Covariate Drift
di: Landers, Jonathan R.
Pubblicazione: (2026)

On the minimax optimality of Flow Matching through the connection to kernel density estimation
di: Kunkel, Lea, et al.
Pubblicazione: (2025)

Distribution estimation via Flow Matching with Lipschitz guarantees
di: Kunkel, Lea
Pubblicazione: (2025)

metabeta -- A fast neural model for Bayesian mixed-effects regression
di: Kipnis, Alex, et al.
Pubblicazione: (2025)

Input Convex Kolmogorov Arnold Networks
di: Deschatre, Thomas, et al.
Pubblicazione: (2025)

Tracking the Median of Gradients with a Stochastic Proximal Point Method
di: Schaipp, Fabian, et al.
Pubblicazione: (2024)

SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
di: Lundström-Imanov, Gustav Olaf Yunus Laitinen-Fredriksson, et al.
Pubblicazione: (2026)

Comparison of generalised additive models and neural networks in applications: A systematic review
di: Doohan, Jessica, et al.
Pubblicazione: (2025)

Hybrid deep additive neural networks
di: Kim, Gyu Min, et al.
Pubblicazione: (2024)

A Statistical-Modelling Approach to Feedforward Neural Network Model Selection
di: McInerney, Andrew, et al.
Pubblicazione: (2022)

Transfer Learning through Enhanced Sufficient Representation: Enriching Source Domain Knowledge with Target Data
di: Ge, Yeheng, et al.
Pubblicazione: (2025)

Fair Sufficient Representation Learning
di: Zhou, Xueyu, et al.
Pubblicazione: (2025)

Gaussian Interpolation Flows
di: Gao, Yuan, et al.
Pubblicazione: (2023)

Convergence of Continuous Normalizing Flows for Learning Probability Distributions
di: Gao, Yuan, et al.
Pubblicazione: (2024)

Conditional Stochastic Interpolation for Generative Learning
di: Huang, Ding, et al.
Pubblicazione: (2023)

Bayesian Power Steering: An Effective Approach for Domain Adaptation of Diffusion Models
di: Huang, Ding, et al.
Pubblicazione: (2024)

Learning time-scales in two-layers neural networks
di: Berthier, Raphaël, et al.
Pubblicazione: (2023)

Estimating Unbounded Density Ratios: Applications in Error Control under Covariate Shift
di: Xu, Shuntuo, et al.
Pubblicazione: (2025)

Wasserstein Distributionally Robust Nonparametric Regression
di: Liu, Changyu, et al.
Pubblicazione: (2025)

TILT: Target-induced loss tilting under covariate shift
di: Yamamoto, Kakei, et al.
Pubblicazione: (2026)

Evaluating the Quality of the Quantified Uncertainty for (Re)Calibration of Data-Driven Regression Models
di: Wibbeke, Jelke, et al.
Pubblicazione: (2025)

Deriving Decoder-Free Sparse Autoencoders from First Principles
di: Oursland, Alan
Pubblicazione: (2026)

Mixed Semi-Supervised Generalized-Linear-Regression with Applications to Deep-Learning and Interpolators
di: Yuval, Oren, et al.
Pubblicazione: (2023)

Generative modeling of conditional probability distributions on the level-sets of collective variables
di: Akhyar, Fatima-Zahrae, et al.
Pubblicazione: (2025)

Nesterov acceleration despite very noisy gradients
di: Gupta, Kanan, et al.
Pubblicazione: (2023)

The Strong Screening Rule for SLOPE
di: Larsson, Johan, et al.
Pubblicazione: (2020)

The Hessian Screening Rule
di: Larsson, Johan, et al.
Pubblicazione: (2021)

Distributed Sparse Linear Regression under Communication Constraints
di: Fonseca, Rodney, et al.
Pubblicazione: (2023)

Statistical Properties of Deep Neural Networks with Dependent Data
di: Brown, Chad
Pubblicazione: (2024)

Robust Fourier Neural Networks
di: Jeong, Halyun, et al.
Pubblicazione: (2024)

Constructive interpolation and generalization rates for neural ODEs: a control perspective
di: Álvarez-López, Antonio, et al.
Pubblicazione: (2026)

Nonparametric estimation of a factorizable density using diffusion models
di: Kwon, Hyeok Kyu, et al.
Pubblicazione: (2025)

PurSAMERE: Reliable Adversarial Purification via Sharpness-Aware Minimization of Expected Reconstruction Error
di: Hoang, Vinh, et al.
Pubblicazione: (2026)