Buchumschlag

Stochastic approximation in non-markovian environments revisited

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Borkar, Vivek Shripad
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Probability 62L20
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A dynamic view of some anomalous phenomena in SGD
von: Borkar, Vivek Shripad
Veröffentlicht: (2025)

Stochastic Approximation with Two Time Scales: The General Case
von: Borkar, Vivek S
Veröffentlicht: (2024)

Stochastic optimal transport in Banach Spaces for regularized estimation of multivariate quantiles
von: Bercu, Bernard, et al.
Veröffentlicht: (2023)

A theoretical basis for model collapse in recursive training
von: Borkar, Vivek Shripad
Veröffentlicht: (2025)

Improved Central Limit Theorem and Bootstrap Approximations for Linear Stochastic Approximation
von: Butyrin, Bogdan, et al.
Veröffentlicht: (2025)

The ODE Method for Asymptotic Statistics in Stochastic Approximation and Reinforcement Learning
von: Borkar, Vivek, et al.
Veröffentlicht: (2021)

Gaussian Approximation and Multiplier Bootstrap for Polyak-Ruppert Averaged Linear Stochastic Approximation with Applications to TD Learning
von: Samsonov, Sergey, et al.
Veröffentlicht: (2024)

A weak convergence approach to large deviations for stochastic approximations
von: Hult, Henrik, et al.
Veröffentlicht: (2025)

Gaussian Approximation for Two-Timescale Linear Stochastic Approximation
von: Butyrin, Bogdan, et al.
Veröffentlicht: (2025)

Local regression on path spaces with signature metrics
von: Bayer, Christian, et al.
Veröffentlicht: (2025)

Convergence Rates for Stochastic Approximation: Biased Noise with Unbounded Variance, and Applications
von: Karandikar, Rajeeva L., et al.
Veröffentlicht: (2023)

The case for and against fixed step-size: Stochastic approximation algorithms in optimization and machine learning
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2023)

Novelty detection on path space
von: Gasteratos, Ioannis, et al.
Veröffentlicht: (2025)

Nonasymptotic Analysis of Stochastic Gradient Descent with the Richardson-Romberg Extrapolation
von: Sheshukova, Marina, et al.
Veröffentlicht: (2024)

Stochastic Modified Flows for Riemannian Stochastic Gradient Descent
von: Gess, Benjamin, et al.
Veröffentlicht: (2024)

Gaussian Approximation and Multiplier Bootstrap for Stochastic Gradient Descent
von: Sheshukova, Marina, et al.
Veröffentlicht: (2025)

Convergence of Batch Asynchronous Stochastic Approximation With Applications to Reinforcement Learning
von: Karandikar, Rajeeva L., et al.
Veröffentlicht: (2021)

Large deviation inequalities for the nonlinear unbalanced urn model
von: Shi, Jianan, et al.
Veröffentlicht: (2024)

Statistical inference for Linear Stochastic Approximation with Markovian Noise
von: Samsonov, Sergey, et al.
Veröffentlicht: (2025)

New Risk Bounds for 2D Total Variation Denoising
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2019)

Revisiting Step-Size Assumptions in Stochastic Approximation
von: Lauand, Caio Kalil, et al.
Veröffentlicht: (2024)

Measuring and Decomposing Mode Separation via the Canonical Diffusion
von: Tolkovsky, Shaul, et al.
Veröffentlicht: (2026)

Asymptotics of generalized Pólya urns with non-linear feedback
von: Gottfried, Thomas, et al.
Veröffentlicht: (2023)

Sequential Monte Carlo Bandits
von: Urteaga, Iñigo, et al.
Veröffentlicht: (2018)

Optimal control under unknown intensity with Bayesian learning
von: Baradel, Nicolas, et al.
Veröffentlicht: (2024)

Kernel Single-Index Bandits: Estimation, Inference, and Learning
von: Arya, Sakshi, et al.
Veröffentlicht: (2026)

Restricted Path Characteristic Function Determines the Law of Stochastic Processes
von: Li, Siran, et al.
Veröffentlicht: (2024)

Path Signatures for Feature Extraction. An Introduction to the Mathematics Underpinning an Efficient Machine Learning Technique
von: Sturm, Stephan
Veröffentlicht: (2025)

Finite-Time Analysis of Projected Two-Time-Scale Stochastic Approximation
von: Bai, Yitao, et al.
Veröffentlicht: (2026)

High Probability Bounds for Stochastic Subgradient Schemes with Heavy Tailed Noise
von: Parletta, Daniela A., et al.
Veröffentlicht: (2022)

Truncated Kernel Stochastic Gradient Descent with General Losses and Spherical Radial Basis Functions
von: Bai, Jinhui, et al.
Veröffentlicht: (2025)

Optimal minimax rate of learning nonlocal interaction kernels
von: Wang, Xiong, et al.
Veröffentlicht: (2023)

Path-Dependent SDEs: Solutions and Parameter Estimation
von: Semnani, Pardis, et al.
Veröffentlicht: (2025)

Optimal Asymptotic Rates for (Stochastic) Gradient Descent under the Local PL-Condition: A Geometric Approach
von: Kassing, Sebastian, et al.
Veröffentlicht: (2026)

Asynchronous Stochastic Approximation with Applications to Average-Reward Reinforcement Learning
von: Yu, Huizhen, et al.
Veröffentlicht: (2024)

Asymptotic Error Analysis of Multilevel Stochastic Approximations for the Value-at-Risk and Expected Shortfall
von: Crépey, Stéphane, et al.
Veröffentlicht: (2023)

Transformed Fréchet Means for Robust Estimation in Hadamard Spaces
von: Schötz, Christof
Veröffentlicht: (2025)

Random time-shift approximation enables hierarchical Bayesian inference of mechanistic within-host viral dynamics models on large datasets
von: Morris, Dylan J., et al.
Veröffentlicht: (2025)

Adaptive Multilevel Stochastic Approximation of the Value-at-Risk
von: Crépey, Stéphane, et al.
Veröffentlicht: (2024)

Convergence of stochastic gradient descent schemes for Lojasiewicz-landscapes
von: Dereich, Steffen, et al.
Veröffentlicht: (2021)