Buchumschlag

Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roy, Nibedita, Halder, Vishal, Thoppe, Gugan, Reiffers-Masson, Alexandre, Dhanakshirur, Mihir, Naman, Azor, Alexandre
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What Can Be Recovered Under Sparse Adversarial Corruption? Assumption-Free Theory for Linear Measurements
von: Halder, Vishal, et al.
Veröffentlicht: (2025)

Adversary-Robust Learning from Fully Asynchronous Directional Derivative Estimates
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2026)

Reinforcement Learning with Quasi-Hyperbolic Discounting
von: Eshwar, S. R., et al.
Veröffentlicht: (2024)

Global Convergence Guarantees for Federated Policy Gradient Methods with Adversaries
von: Ganesh, Swetha, et al.
Veröffentlicht: (2024)

Parameter-free Optimal Rates for Nonlinear Semi-Norm Contractions with Applications to $Q$-Learning
von: Naskar, Ankur, et al.
Veröffentlicht: (2025)

Online Learning of Weakly Coupled MDP Policies for Load Balancing and Auto Scaling
von: Eshwar, S. R., et al.
Veröffentlicht: (2024)

Risk Estimation in a Markov Cost Process: Lower and Upper Bounds
von: Thoppe, Gugan, et al.
Veröffentlicht: (2023)

Reinforcement Learning for Exponential Utility: Algorithms and Convergence in Discounted MDPs
von: Thoppe, Gugan, et al.
Veröffentlicht: (2026)

Does DQN Learn?
von: Gopalan, Aditya, et al.
Veröffentlicht: (2022)

Parameter-Free Federated TD Learning with Markov Noise in Heterogeneous Environments
von: Naskar, Ankur, et al.
Veröffentlicht: (2025)

A Practical Approach to Novel Class Discovery in Tabular Data
von: Troisemaine, Colin, et al.
Veröffentlicht: (2023)

Game-Theoretic Analysis of Transaction Selection in DAG-Based Distributed Ledgers
von: Müller, Sebastian, et al.
Veröffentlicht: (2026)

Policy Gradient with Tree Expansion
von: Dalal, Gal, et al.
Veröffentlicht: (2023)

Sequential Attention-based Sampling for Histopathological Analysis
von: G, Tarun, et al.
Veröffentlicht: (2025)

Reliable Policy Iteration: Performance Robustness Across Architecture and Environment Perturbations
von: Eshwar, S. R., et al.
Veröffentlicht: (2025)

The Shadow knows: Empirical Distributions of Minimum Spanning Acycles and Persistence Diagrams of Random Complexes
von: Fraiman, Nicolas, et al.
Veröffentlicht: (2020)

Monotone and Conservative Policy Iteration Beyond the Tabular Case
von: Eshwar, S. R., et al.
Veröffentlicht: (2025)

Tight Bounds for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2024)

Chained Information-Theoretic bounds and Tight Regret Rate for Linear Bandit Problems
von: Gouverneur, Amaury, et al.
Veröffentlicht: (2024)

Scalable and Privacy-Preserving Synthetic Data Generation on Decentralised Web
von: Ramesh, Vishal, et al.
Veröffentlicht: (2023)

Low-Rank Bandits via Tight Two-to-Infinity Singular Subspace Recovery
von: Jedra, Yassir, et al.
Veröffentlicht: (2024)

Gradient Dynamics of Attention: How Cross-Entropy Sculpts Bayesian Manifolds
von: Agarwal, Naman, et al.
Veröffentlicht: (2025)

The Bayesian Geometry of Transformer Attention
von: Agarwal, Naman, et al.
Veröffentlicht: (2025)

Geometric Scaling of Bayesian Inference in LLMs
von: Agarwal, Naman, et al.
Veröffentlicht: (2025)

Naive Feature Selection: a Nearly Tight Convex Relaxation for Sparse Naive Bayes
von: Askari, Armin, et al.
Veröffentlicht: (2019)

Convergence Rates for Distribution Matching with Sliced Optimal Transport
von: Thurin, Gauthier, et al.
Veröffentlicht: (2026)

Tight Convergence Rate Bounds for Optimization Under Power Law Spectral Conditions
von: Velikanov, Maksim, et al.
Veröffentlicht: (2022)

Recursive State Inference for Linear PASFA
von: Rishi, Vishal
Veröffentlicht: (2025)

Accelerated Online Reinforcement Learning using Auxiliary Start State Distributions
von: Mehra, Aman, et al.
Veröffentlicht: (2025)

Conditional Distribution Quantization in Machine Learning
von: Delattre, Blaise, et al.
Veröffentlicht: (2025)

Fair Graph Machine Learning under Adversarial Missingness Processes
von: Lina, Debolina Halder, et al.
Veröffentlicht: (2023)

MAP Estimation with Denoisers: Convergence Rates and Guarantees
von: Pesme, Scott, et al.
Veröffentlicht: (2025)

Distributionally-Constrained Adversaries in Online Learning
von: Blanchard, Moïse, et al.
Veröffentlicht: (2025)

Learning Concave Bid Shading Strategies in Online Auctions via Measure-valued Proximal Optimization
von: Nodozi, Iman, et al.
Veröffentlicht: (2025)

On the Rate of Convergence of Kolmogorov-Arnold Network Regression Estimators
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Towards Convergence Rates for Parameter Estimation in Gaussian-gated Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2023)

Accelerated Rates between Stochastic and Adversarial Online Convex Optimization
von: Sachs, Sarah, et al.
Veröffentlicht: (2023)

Switching Successor Measures for Hierarchical Zero-shot Reinforcement Learning
von: Stojanovic, Stefan, et al.
Veröffentlicht: (2026)

On the Rate of Convergence of GD in Non-linear Neural Networks: An Adversarial Robustness Perspective
von: Smorodinsky, Guy, et al.
Veröffentlicht: (2026)

An Uncertainty Principle for Linear Recurrent Neural Networks
von: François, Alexandre, et al.
Veröffentlicht: (2025)