Buchumschlag

Asymptotic Optimism for Tensor Regression Models with Applications to Neural Network Compression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Haoming, Chi, Eric C., Luo, Hengrui
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Tensor Product Neural Networks for Functional ANOVA Model
von: Park, Seokhun, et al.
Veröffentlicht: (2025)

Revisiting Optimism and Model Complexity in the Wake of Overparameterized Machine Learning
von: Patil, Pratik, et al.
Veröffentlicht: (2024)

Wedge Sampling: Efficient Tensor Completion with Nearly-Linear Sample Complexity
von: Luo, Hengrui, et al.
Veröffentlicht: (2026)

On Instability of Minimax Optimal Optimism-Based Bandit Algorithms
von: Praharaj, Samya, et al.
Veröffentlicht: (2025)

Consistency for Large Neural Networks: Regression and Classification
von: Zhan, Haoran, et al.
Veröffentlicht: (2024)

Tensor-on-Tensor Regression: Riemannian Optimization, Over-parameterization, Statistical-computational Gap, and Their Interplay
von: Luo, Yuetian, et al.
Veröffentlicht: (2022)

Upper Counterfactual Confidence Bounds: a New Optimism Principle for Contextual Bandits
von: Xu, Yunbei, et al.
Veröffentlicht: (2020)

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

Agnostic Sample Compression Schemes for Regression
von: Attias, Idan, et al.
Veröffentlicht: (2018)

Asymptotic Theory and Phase Transitions for Variable Importance in Quantile Regression Forests
von: Nakamura, Tomoshige, et al.
Veröffentlicht: (2025)

Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models
von: Li, Gen, et al.
Veröffentlicht: (2023)

Active Learning for Regression based on Wasserstein distance and GroupSort Neural Networks
von: Bobbia, Benjamin, et al.
Veröffentlicht: (2024)

Meta-Learning with Generalized Ridge Regression: High-dimensional Asymptotics, Optimality and Hyper-covariance Estimation
von: Jin, Yanhao, et al.
Veröffentlicht: (2024)

Dense ReLU Neural Networks for Temporal-spatial Model
von: Padilla, Carlos Misael Madrid, et al.
Veröffentlicht: (2024)

Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning
von: Dang, Hien, et al.
Veröffentlicht: (2026)

Tensor PCA for Factor Models
von: Babii, Andrii, et al.
Veröffentlicht: (2022)

Optimism Stabilizes Thompson Sampling for Adaptive Inference
von: Yan, Shunxing, et al.
Veröffentlicht: (2026)

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

Doubly Robust Interval Estimation for Optimal Policy Evaluation in Online Learning
von: Shen, Ye, et al.
Veröffentlicht: (2021)

Foresighted Online Policy Optimization with Interference
von: Xiang, Liner, et al.
Veröffentlicht: (2025)

Sharp Generalization for Nonparametric Regression in Interpolation Space by Over-Parameterized Neural Networks Trained with Preconditioned Gradient Descent and Early Stopping
von: Yang, Yingzhen, et al.
Veröffentlicht: (2024)

Nonsmooth Nonparametric Regression via Fractional Laplacian Eigenmaps
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

On Linear Separability under Linear Compression with Applications to Hard Support Vector Machine
von: McVay, Paul, et al.
Veröffentlicht: (2022)

Online Quantile Regression for Nonparametric Additive Models
von: Zhan, Haoran
Veröffentlicht: (2026)

Precise Asymptotics of Bagging Regularized M-estimators
von: Koriyama, Takuya, et al.
Veröffentlicht: (2024)

P-Tensors: a General Formalism for Constructing Higher Order Message Passing Networks
von: Hands, Andrew, et al.
Veröffentlicht: (2023)

Non-identifiability distinguishes Neural Networks among Parametric Models
von: Chatterjee, Sourav, et al.
Veröffentlicht: (2025)

Inference for Deep Neural Network Estimators in Generalized Nonparametric Models
von: Meng, Xuran, et al.
Veröffentlicht: (2025)

Ranking Perspective for Tree-based Methods with Applications to Symbolic Feature Selection
von: Luo, Hengrui, et al.
Veröffentlicht: (2024)

Asymptotic FDR Control with Model-X Knockoffs: Is Moments Matching Sufficient?
von: Fan, Yingying, et al.
Veröffentlicht: (2025)

Bayesian Models for Joint Selection of Features and Auto-Regressive Lags: Theory and Applications in Environmental and Financial Forecasting
von: Manna, Alokesh, et al.
Veröffentlicht: (2025)

Universality of High-Dimensional Logistic Regression and a Novel CGMT under Dependence with Applications to Data Augmentation
von: Mallory, Matthew Esmaili, et al.
Veröffentlicht: (2025)

On the Precise Asymptotics of Universal Inference
von: Takatsu, Kenta
Veröffentlicht: (2025)

Robust Tensor Principal Component Analysis: Exact Recovery via Deterministic Model
von: Shen, Bo, et al.
Veröffentlicht: (2020)

Jointly Modeling and Clustering Tensors in High Dimensions
von: Cai, Biao, et al.
Veröffentlicht: (2021)

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

Sample Complexity of Offline Distributionally Robust Linear Markov Decision Processes
von: Wang, He, et al.
Veröffentlicht: (2024)

Deep Distributional Learning with Non-crossing Quantile Network
von: Shen, Guohao, et al.
Veröffentlicht: (2025)

Generalization in Representation Models via Random Matrix Theory: Application to Recurrent Networks
von: Moakher, Yessin, et al.
Veröffentlicht: (2025)