:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Iurada, Leonardo, Bombari, Simone, Tommasi, Tatiana, Mondelli, Marco
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2509.22214
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How Spurious Features Are Memorized: Precise Analysis for Random and NTK Features
von: Bombari, Simone, et al.
Veröffentlicht: (2023)

Towards Understanding the Word Sensitivity of Attention Layers: A Study via Random Features
von: Bombari, Simone, et al.
Veröffentlicht: (2024)

Spurious Correlations in High Dimensional Regression: The Roles of Regularization, Simplicity Bias and Over-Parameterization
von: Bombari, Simone, et al.
Veröffentlicht: (2025)

Privacy for Free in the Overparameterized Regime
von: Bombari, Simone, et al.
Veröffentlicht: (2024)

Efficient Model Editing with Task-Localized Sparse Fine-tuning
von: Iurada, Leonardo, et al.
Veröffentlicht: (2025)

High-Dimensional Private Linear Regression with Optimal Rates
von: Bombari, Simone, et al.
Veröffentlicht: (2025)

Finding Lottery Tickets in Vision Models via Data-driven Spectral Foresight Pruning
von: Iurada, Leonardo, et al.
Veröffentlicht: (2024)

Improved Scaling Laws via Weak-to-Strong Generalization in Random Feature Ridge Regression
von: Wu, Diyuan, et al.
Veröffentlicht: (2026)

A Second-Order Perspective on Pruning at Initialization and Knowledge Transfer
von: Iurada, Leonardo, et al.
Veröffentlicht: (2025)

Neural Collapse Beyond the Unconstrained Features Model: Landscape, Dynamics, and Generalization in the Mean-Field Regime
von: Wu, Diyuan, et al.
Veröffentlicht: (2025)

Domain Randomization for Robust, Affordable and Effective Closed-loop Control of Soft Robots
von: Tiboni, Gabriele, et al.
Veröffentlicht: (2023)

High-dimensional Analysis of Synthetic Data Selection
von: Rezaei, Parham, et al.
Veröffentlicht: (2025)

DP-KAN: Differentially Private Kolmogorov-Arnold Networks
von: Kalinin, Nikita P., et al.
Veröffentlicht: (2024)

Matrix Denoising with Doubly Heteroscedastic Noise: Fundamental Limits and Optimal Spectral Methods
von: Zhang, Yihan, et al.
Veröffentlicht: (2024)

Domain Randomization via Entropy Maximization
von: Tiboni, Gabriele, et al.
Veröffentlicht: (2023)

High-dimensional Analysis of Knowledge Distillation: Weak-to-Strong Generalization and Scaling Laws
von: Ildiz, M. Emrullah, et al.
Veröffentlicht: (2024)

Optimal Regularization for Performative Learning
von: Cyffers, Edwige, et al.
Veröffentlicht: (2025)

Compression of Structured Data with Autoencoders: Provable Benefit of Nonlinearities and Depth
von: Kögler, Kevin, et al.
Veröffentlicht: (2024)

Improved Convergence of Score-Based Diffusion Models via Prediction-Correction
von: Pedrotti, Francesco, et al.
Veröffentlicht: (2023)

Neural Collapse versus Low-rank Bias: Is Deep Neural Collapse Really Optimal?
von: Súkeník, Peter, et al.
Veröffentlicht: (2024)

Precise Asymptotics for Spectral Methods in Mixed Generalized Linear Models
von: Zhang, Yihan, et al.
Veröffentlicht: (2022)

Average gradient outer product as a mechanism for deep neural collapse
von: Beaglehole, Daniel, et al.
Veröffentlicht: (2024)

Neural Collapse is Globally Optimal in Deep Regularized ResNets and Transformers
von: Súkeník, Peter, et al.
Veröffentlicht: (2025)

Spectral Estimators for Multi-Index Models: Precise Asymptotics and Optimal Weak Recovery
von: Kovačević, Filip, et al.
Veröffentlicht: (2025)

Attention with Trained Embeddings Provably Selects Important Tokens
von: Wu, Diyuan, et al.
Veröffentlicht: (2025)

Wide Neural Networks Trained with Weight Decay Provably Exhibit Neural Collapse
von: Jacot, Arthur, et al.
Veröffentlicht: (2024)

Power-Law Spectrum of the Random Feature Model
von: Paquette, Elliot, et al.
Veröffentlicht: (2026)

Transient Fault Tolerant Semantic Segmentation for Autonomous Driving
von: Iurada, Leonardo, et al.
Veröffentlicht: (2024)

Optimal Representation Size: High-Dimensional Analysis of Pretraining and Linear Probing
von: Njaradi, Valentina, et al.
Veröffentlicht: (2026)

TAMIS: Tailored Membership Inference Attacks on Synthetic Data
von: Andrey, Paul, et al.
Veröffentlicht: (2025)

Full-Batch Gradient Descent Outperforms One-Pass SGD: Sample Complexity Separation in Single-Index Learning
von: Kovačević, Filip, et al.
Veröffentlicht: (2026)

Sink vs. diagonal patterns as mechanisms for attention switch and oversmoothing prevention
von: Súkeník, Peter, et al.
Veröffentlicht: (2026)

Spectral Estimators for Structured Generalized Linear Models via Approximate Message Passing
von: Zhang, Yihan, et al.
Veröffentlicht: (2023)

Optimal Estimation in Orthogonally Invariant Generalized Linear Models: Spectral Initialization and Approximate Message Passing
von: Zhang, Yihan, et al.
Veröffentlicht: (2026)

Privacy Amplification Through Synthetic Data: Insights from Linear Regression
von: Pierquin, Clément, et al.
Veröffentlicht: (2025)

A Theory of How Pretraining Shapes Inductive Bias in Fine-Tuning
von: Anguita, Nicolas, et al.
Veröffentlicht: (2026)

Test-Time Training Provably Improves Transformers as In-context Learners
von: Gozeten, Halil Alperen, et al.
Veröffentlicht: (2025)

Asymptotics of Random Feature Regression Beyond the Linear Scaling Regime
von: Hu, Hong, et al.
Veröffentlicht: (2024)

Privacy Amplification Persists under Unlimited Synthetic Data Release
von: Pierquin, Clément, et al.
Veröffentlicht: (2026)

Beyond Scaling Law: A Data-Efficient Distillation Framework for Reasoning
von: Wu, Xiaojun, et al.
Veröffentlicht: (2025)