Optimal rates for density and mode estimation with expand-and-sparsify representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sinha, Kaushik, Tosh, Christopher
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Statistics Theory Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What is causal about causal models and representations?
von: Jørgensen, Frederik Hytting, et al.
Veröffentlicht: (2025)

Beyond identifiability: Learning causal representations with few environments and finite samples
von: Lee, Inbeom, et al.
Veröffentlicht: (2026)

Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
von: Ji, Kaixuan, et al.
Veröffentlicht: (2026)

On the Optimal Sample Complexity of Offline Multi-Armed Bandits with KL Regularization
von: Ji, Kaixuan, et al.
Veröffentlicht: (2026)

Minimax Optimal Variance-Aware Regret Bounds for Multinomial Logistic MDPs
von: Boudart, Pierre, et al.
Veröffentlicht: (2026)

Enjoying Non-linearity in Multinomial Logistic Bandits: A Minimax-Optimal Algorithm
von: Boudart, Pierre, et al.
Veröffentlicht: (2025)

Path Regularization: A Near-Complete and Optimal Nonasymptotic Generalization Theory for Multilayer Neural Networks and Double Descent Phenomenon
von: Yu, Hao
Veröffentlicht: (2025)

MESSY Estimation: Maximum-Entropy based Stochastic and Symbolic densitY Estimation
von: Tohme, Tony, et al.
Veröffentlicht: (2023)

Statistical Inference for Optimal Transport Maps: Recent Advances and Perspectives
von: Balakrishnan, Sivaraman, et al.
Veröffentlicht: (2025)

On the number of modes of Gaussian kernel density estimators
von: Geshkovski, Borjan, et al.
Veröffentlicht: (2024)

A Theory of the Mechanics of Information: Generalization Through Measurement of Uncertainty (Learning is Measuring)
von: Hazard, Christopher J., et al.
Veröffentlicht: (2025)

Near-Optimal Learning and Planning in Separated Latent MDPs
von: Chen, Fan, et al.
Veröffentlicht: (2024)

Training Dynamics of Multi-Head Softmax Attention for In-Context Learning: Emergence, Convergence, and Optimality
von: Chen, Siyu, et al.
Veröffentlicht: (2024)

Revisiting Incremental Stochastic Majorization-Minimization Algorithms with Applications to Mixture of Experts
von: Tran, TrungKhang, et al.
Veröffentlicht: (2026)

Identifiability of Potentially Degenerate Gaussian Mixture Models With Piecewise Affine Mixing
von: Xu, Danru, et al.
Veröffentlicht: (2026)

Generalization Properties of Score-matching Diffusion Models for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2026)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
von: Kontorovich, Aryeh, et al.
Veröffentlicht: (2026)

Labels or Preferences? Budget-Constrained Learning with Human Judgments over AI-Generated Outputs
von: Dong, Zihan, et al.
Veröffentlicht: (2026)

Finite-Particle Convergence Rates for Conservative and Non-Conservative Drifting Models
von: Balasubramanian, Krishnakumar
Veröffentlicht: (2026)

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective
von: Roy, Saptarshi, et al.
Veröffentlicht: (2026)

Ordinary Least Squares is a Special Case of Transformer
von: Tan, Xiaojun, et al.
Veröffentlicht: (2026)

A Unified Pair-GRPO Family: From Implicit to Explicit Preference Constraints for Stable and General RL Alignment
von: Yu, Hao
Veröffentlicht: (2026)

Statistical inference with belief functions: A survey
von: Cuzzolin, Fabio
Veröffentlicht: (2026)

Conformal Policy Control
von: Prinster, Drew, et al.
Veröffentlicht: (2026)

Stein-Rule Shrinkage for Stochastic Gradient Estimation in High Dimensions
von: Arashi, M., et al.
Veröffentlicht: (2026)

Can Generative Artificial Intelligence Survive Data Contamination? Theoretical Guarantees under Contaminated Recursive Training
von: Wang, Kevin, et al.
Veröffentlicht: (2026)

Chemical Reaction Networks Learn Better than Spiking Neural Networks
von: Jaffard, Sophie, et al.
Veröffentlicht: (2026)

Total Variation Rates for Riemannian Flow Matching
von: Guan, Yunrui, et al.
Veröffentlicht: (2026)

LIBRA: Language Model Informed Bandit Recourse Algorithm for Personalized Treatment Planning
von: Cao, Junyu, et al.
Veröffentlicht: (2026)

RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models
von: Hao, Sai, et al.
Veröffentlicht: (2026)

A Diffusion Analysis of Policy Gradient for Stochastic Bandits
von: Lattimore, Tor
Veröffentlicht: (2026)

Cost-optimal Sequential Testing via Doubly Robust Q-learning
von: Zhou, Doudou, et al.
Veröffentlicht: (2026)

A Quantitative Characterization of Forgetting in Post-Training
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2026)

Generalization and Scaling Laws for Mixture-of-Experts Transformers
von: Mayaki, Mansour Zoubeirou a
Veröffentlicht: (2026)

Beyond Demand Estimation: Consumer Surplus Evaluation via Cumulative Propensity Weights
von: Bian, Zeyu, et al.
Veröffentlicht: (2026)

Adaptive auditing of AI systems with anytime-valid guarantees
von: Zhou, Siyu, et al.
Veröffentlicht: (2026)

Influence functions and regularity tangents for efficient active learning
von: Eaton, Frederik
Veröffentlicht: (2024)

Efficient Knowledge Distillation via Curriculum Extraction
von: Gupta, Shivam, et al.
Veröffentlicht: (2025)

Risk Analysis and Design Against Adversarial Actions
von: Campi, Marco C., et al.
Veröffentlicht: (2025)

From Spikes to Heavy Tails: Unveiling the Spectral Evolution of Neural Networks
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)