Buchumschlag

Structural Properties, Cycloid Trajectories and Non-Asymptotic Guarantees of EM Algorithm for Mixed Linear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Zhankun, Hashemi, Abolfazl
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

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

Characterizing Evolution in Expectation-Maximization Estimates for Overspecified 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)

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

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

Agnostic Learning of Mixed Linear Regressions with EM and AM Algorithms
von: Ghosh, Avishek, 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)

Asymptotics of Linear Regression with Linearly Dependent Data
von: Moniri, Behrad, et al.
Veröffentlicht: (2024)

Equitable Federated Learning with Activation Clustering
von: Upadhyay, Antesh, 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)

Non-Asymptotic Analysis of Efficiency in Conformalized Regression
von: Yao, Yunzhen, et al.
Veröffentlicht: (2025)

Differentially Private Linear Regression and Synthetic Data Generation with Statistical Guarantees
von: Lin, Shurong, et al.
Veröffentlicht: (2025)

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

Asymptotic Optimism of Random-Design Linear and Kernel Regression Models
von: Luo, Hengrui, et al.
Veröffentlicht: (2025)

AdaGossip: Adaptive Consensus Step-size for Decentralized Deep Learning with Communication Compression
von: Aketi, Sai Aparna, 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)

$H$-Consistency Guarantees for Regression
von: Mao, Anqi, et al.
Veröffentlicht: (2024)

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

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

Estimation of High-Dimensional Markov-Switching VAR Models with an Approximate EM Algorithm
von: Li, Xiudi, et al.
Veröffentlicht: (2022)

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)

Geometry-Aware Approaches for Balancing Performance and Theoretical Guarantees in Linear Bandits
von: Luo, Yuwei, et al.
Veröffentlicht: (2023)

Decentralized Sparse Linear Regression via Gradient-Tracking: Linear Convergence and Statistical Guarantees
von: Maros, Marie, et al.
Veröffentlicht: (2022)

Any-Time Regret-Guaranteed Algorithm for Control of Linear Quadratic Systems
von: Chekan, Jafar Abbaszadeh, et al.
Veröffentlicht: (2024)

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

Learning to Optimize for Mixed-Integer Non-linear Programming with Feasibility Guarantees
von: Tang, Bo, et al.
Veröffentlicht: (2024)

Dynamics of Transient Structure in In-Context Linear Regression Transformers
von: Carroll, Liam, et al.
Veröffentlicht: (2025)

Optimal Algorithms in Linear Regression under Covariate Shift: On the Importance of Precondition
von: Liu, Yuanshi, et al.
Veröffentlicht: (2025)

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

EM Approaches to Nonparametric Estimation for Mixture of Linear Regressions
von: Welbaum, Andrew, et al.
Veröffentlicht: (2025)

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

Guaranteed Coverage Prediction Intervals with Gaussian Process Regression
von: Papadopoulos, Harris
Veröffentlicht: (2023)

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

Designing Adaptive Algorithms Based on Reinforcement Learning for Dynamic Optimization of Sliding Window Size in Multi-Dimensional Data Streams
von: Zarghani, Abolfazl, et al.
Veröffentlicht: (2025)

Asymptotic Optimism for Tensor Regression Models with Applications to Neural Network Compression
von: Shi, Haoming, et al.
Veröffentlicht: (2026)

Unveiling Privacy, Memorization, and Input Curvature Links
von: Ravikumar, Deepak, et al.
Veröffentlicht: (2024)

Generalization Bounds for Causal Regression: Insights, Guarantees and Sensitivity Analysis
von: Csillag, Daniel, et al.
Veröffentlicht: (2024)