Copertina

On damage of interpolation to adversarial robustness in regression

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Peng, Jingfu, Yang, Yuhong
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Minimax rates of convergence for nonparametric regression under adversarial attacks
di: Peng, Jingfu, et al.
Pubblicazione: (2024)

Adversarial learning for nonparametric regression: Minimax rate and adaptive estimation
di: Peng, Jingfu, et al.
Pubblicazione: (2025)

The curse of overparametrization in adversarial training: Precise analysis of robust generalization for random features regression
di: Hassani, Hamed, et al.
Pubblicazione: (2022)

Mallows-type model averaging: Non-asymptotic analysis and all-subset combination
di: Peng, Jingfu
Pubblicazione: (2025)

Ridge interpolators in correlated factor regression models -- exact risk analysis
di: Stojnic, Mihailo
Pubblicazione: (2024)

On optimality of Mallows model averaging
di: Peng, Jingfu, et al.
Pubblicazione: (2023)

Top-$K$ ranking with a monotone adversary
di: Yang, Yuepeng, et al.
Pubblicazione: (2024)

Robust estimation with Lasso when outputs are adversarially contaminated
di: Sasai, Takeyuki, et al.
Pubblicazione: (2020)

Rates of convergence for density estimation with generative adversarial networks
di: Puchkin, Nikita, et al.
Pubblicazione: (2021)

To bootstrap or to rollout? An optimal and adaptive interpolation
di: Mou, Wenlong, et al.
Pubblicazione: (2024)

A non-asymptotic distributional theory of approximate message passing for sparse and robust regression
di: Li, Gen, et al.
Pubblicazione: (2024)

The phase diagram of kernel interpolation in large dimensions
di: Zhang, Haobo, et al.
Pubblicazione: (2024)

Adversarial robust weighted Huber regression
di: Sasai, Takeyuki, et al.
Pubblicazione: (2021)

Nonparametric regression using over-parameterized shallow ReLU neural networks
di: Yang, Yunfei, et al.
Pubblicazione: (2023)

Eigen-convergence of Gaussian kernelized graph Laplacian by manifold heat interpolation
di: Cheng, Xiuyuan, et al.
Pubblicazione: (2021)

Metric space valued Fréchet regression
di: Györfi, László, et al.
Pubblicazione: (2026)

Nonparametric logistic regression with deep learning
di: Yara, Atsutomo, et al.
Pubblicazione: (2024)

Model averaging: A shrinkage perspective
di: Peng, Jingfu
Pubblicazione: (2023)

High-dimensional robust regression under heavy-tailed data: Asymptotics and Universality
di: Adomaityte, Urte, et al.
Pubblicazione: (2023)

Dynamical local Fréchet curve regression in manifolds
di: Ruiz-Medina, M. D., et al.
Pubblicazione: (2025)

Covariate shift in nonparametric regression with Markovian design
di: Trottner, Lukas
Pubblicazione: (2023)

Generalization error of min-norm interpolators in transfer learning
di: Song, Yanke, et al.
Pubblicazione: (2024)

Adaptive sparse variational approximations for Gaussian process regression
di: Nieman, Dennis, et al.
Pubblicazione: (2025)

Support estimation in high-dimensional heteroscedastic mean regression
di: Hermann, Philipp, et al.
Pubblicazione: (2020)

Early stopping and polynomial smoothing in regression with reproducing kernels
di: Averyanov, Yaroslav, et al.
Pubblicazione: (2020)

Strong identifiability and parameter learning in regression with heterogeneous response
di: Do, Dat, et al.
Pubblicazione: (2022)

Rate doubly robust estimation for weighted average treatment effects
di: Wang, Yiming, et al.
Pubblicazione: (2025)

Outrigger local polynomial regression
di: Young, Elliot H., et al.
Pubblicazione: (2026)

Finite-sample performance of the maximum likelihood estimator in logistic regression
di: Chardon, Hugo, et al.
Pubblicazione: (2024)

Minimax optimal transfer learning for high-dimensional additive regression
di: Moon, Seung Hyun
Pubblicazione: (2025)

Inference via robust optimal transportation: theory and methods
di: Ma, Yiming, et al.
Pubblicazione: (2023)

Parametric Mean-Field empirical Bayes in high-dimensional linear regression
di: Lee, Seunghyun, et al.
Pubblicazione: (2026)

Precise analysis of ridge interpolators under heavy correlations -- a Random Duality Theory view
di: Stojnic, Mihailo
Pubblicazione: (2024)

High-dimensional logistic regression with missing data: Imputation, regularization, and universality
di: Verchand, Kabir Aladin, et al.
Pubblicazione: (2024)

Minimum discrepancy principle strategy for choosing $k$ in $k$-NN regression
di: Averyanov, Yaroslav, et al.
Pubblicazione: (2020)

Improved learning theory for kernel distribution regression with two-stage sampling
di: Bachoc, François, et al.
Pubblicazione: (2023)

Distributed quasi-Newton robust estimation under differential privacy
di: Wang, Chuhan, et al.
Pubblicazione: (2024)

Variational bagging: a robust approach for Bayesian uncertainty quantification
di: Fan, Shitao, et al.
Pubblicazione: (2025)

Canonical correlation regression with noisy data
di: Meza, Isaac, et al.
Pubblicazione: (2025)

Deep regression learning from dependent observations with minimum error entropy principle
di: Kengne, William, et al.
Pubblicazione: (2026)