Buchumschlag

Mild Over-Parameterization Benefits Asymmetric Tensor PCA

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Shihong, Lin, Weicheng, Fang, Cong
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

Scaling Law for Stochastic Gradient Descent in Quadratically Parameterized Linear Regression
von: Ding, Shihong, et al.
Veröffentlicht: (2025)

Near-optimal and Efficient First-Order Algorithm for Multi-Task Learning with Shared Linear Representation
von: Ding, Shihong, et al.
Veröffentlicht: (2026)

Accelerating Single-Pass SGD for Generalized Linear Prediction
von: Chen, Qian, et al.
Veröffentlicht: (2026)

Near-Optimal Tensor PCA via Normalized Stochastic Gradient Ascent with Overparameterization
von: Ding, Shihong, et al.
Veröffentlicht: (2025)

Learning Curves of Stochastic Gradient Descent in Kernel Regression
von: Zhang, Haihan, et al.
Veröffentlicht: (2025)

Improving Adaptivity via Over-Parameterization in Sequence Models
von: Li, Yicheng, et al.
Veröffentlicht: (2024)

PAPAL: A Provable PArticle-based Primal-Dual ALgorithm for Mixed Nash Equilibrium
von: Ding, Shihong, et al.
Veröffentlicht: (2023)

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

On the Benefits of Over-parameterization for Out-of-Distribution Generalization
von: Hao, Yifan, et al.
Veröffentlicht: (2024)

Sharp Analysis of Power Iteration for Tensor PCA
von: Wu, Yuchen, et al.
Veröffentlicht: (2024)

Orientation-Aware Sparse Tensor PCA for Efficient Unsupervised Feature Selection
von: Zheng, Junjing, et al.
Veröffentlicht: (2024)

Efficiently Generating Multidimensional Calorimeter Data with Tensor Decomposition Parameterization
von: Goulart, Paimon, et al.
Veröffentlicht: (2025)

Tensor PCA from basis in tensor space
von: Turchetti, Claudio, et al.
Veröffentlicht: (2023)

Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixtures
von: Zhou, Mo, et al.
Veröffentlicht: (2025)

MUSO: Achieving Exact Machine Unlearning in Over-Parameterized Regimes
von: Yang, Ruikai, et al.
Veröffentlicht: (2024)

Federated Representation Learning in the Under-Parameterized Regime
von: Liu, Renpu, et al.
Veröffentlicht: (2024)

Strategic Over-Parameterization for Generalizable Low-Rank Adaptation
von: Gao, Jing, et al.
Veröffentlicht: (2026)

Faster Convergence of Local SGD for Over-Parameterized Models
von: Qin, Tiancheng, et al.
Veröffentlicht: (2022)

Convergence Dynamics of Over-Parameterized Score Matching for a Single Gaussian
von: Zhang, Yiran, et al.
Veröffentlicht: (2025)

The Kikuchi Hierarchy and Tensor PCA
von: Wein, Alexander S., et al.
Veröffentlicht: (2019)

Kernel PCA for Out-of-Distribution Detection
von: Fang, Kun, et al.
Veröffentlicht: (2024)

How to Parameterize Asymmetric Quantization Ranges for Quantization-Aware Training
von: You, Jaeseong, et al.
Veröffentlicht: (2024)

Almost-Optimal Local-Search Methods for Sparse Tensor PCA
von: Lovig, Max, et al.
Veröffentlicht: (2025)

Preconditioned Gradient Descent for Over-Parameterized Nonconvex Matrix Factorization
von: Zhang, Gavin, et al.
Veröffentlicht: (2025)

Knoop: Practical Enhancement of Knockoff with Over-Parameterization for Variable Selection
von: Zhang, Xiaochen, et al.
Veröffentlicht: (2025)

Benign Overfitting in Time Series Linear Models with Over-Parameterization
von: Nakakita, Shogo, et al.
Veröffentlicht: (2022)

Joint Tensor-Train Parameterization for Efficient and Expressive Low-Rank Adaptation
von: Qi, Jun, et al.
Veröffentlicht: (2025)

Spurious Correlations in High Dimensional Regression: The Roles of Regularization, Simplicity Bias and Over-Parameterization
von: Bombari, Simone, et al.
Veröffentlicht: (2025)

On the Convergence Analysis of Over-Parameterized Variational Autoencoders: A Neural Tangent Kernel Perspective
von: Wang, Li, et al.
Veröffentlicht: (2024)

Provable Benefits of Complex Parameterizations for Structured State Space Models
von: Ran-Milo, Yuval, et al.
Veröffentlicht: (2024)

The Malignant Tail: Spectral Segregation of Label Noise in Over-Parameterized Networks
von: Wang, Zice
Veröffentlicht: (2026)

Towards Understanding the Benefits of Neural Network Parameterizations in Geophysical Inversions: A Study With Neural Fields
von: Xu, Anran, et al.
Veröffentlicht: (2025)

A Smooth Computational Transition in Tensor PCA
von: Li, Zhangsong
Veröffentlicht: (2025)

Graph Regularized PCA
von: Briola, Antonio, et al.
Veröffentlicht: (2026)

Train Faster, Perform Better: Modular Adaptive Training in Over-Parameterized Models
von: Shi, Yubin, et al.
Veröffentlicht: (2024)

Toward Global Convergence of Gradient EM for Over-Parameterized Gaussian Mixture Models
von: Xu, Weihang, et al.
Veröffentlicht: (2024)

FastPart: Over-Parameterized Stochastic Gradient Descent for Sparse optimisation on Measures
von: De Castro, Yohann, et al.
Veröffentlicht: (2023)

Statistical-Computational Trade-offs in Tensor PCA and Related Problems via Communication Complexity
von: Dudeja, Rishabh, et al.
Veröffentlicht: (2022)

Gradient Descent Finds Over-Parameterized Neural Networks with Sharp Generalization for Nonparametric Regression
von: Yang, Yingzhen, et al.
Veröffentlicht: (2024)

Low-Precision Streaming PCA
von: Dasgupta, Sanjoy, et al.
Veröffentlicht: (2025)