Buchumschlag

Large Dimensional Kernel Ridge Regression: Extending to Product Kernels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Yang, Li, Yicheng, Cheng, Yuqian, Lin, Qian
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

On the Saturation Effect of Kernel Ridge Regression
von: Li, Yicheng, et al.
Veröffentlicht: (2024)

Optimal Rates of Kernel Ridge Regression under Source Condition in Large Dimensions
von: Zhang, Haobo, et al.
Veröffentlicht: (2024)

Optimal Rate of Kernel Regression in Large Dimensions
von: Lu, Weihao, et al.
Veröffentlicht: (2023)

Lepskii Principle for Distributed Kernel Ridge Regression
von: Lin, Shao-Bo
Veröffentlicht: (2024)

Optimal Confidence Band for Kernel Gradient Flow Estimator
von: Cheng, Yuqian, et al.
Veröffentlicht: (2026)

Kernel Ridge Regression Inference
von: Singh, Rahul, et al.
Veröffentlicht: (2023)

An Agnostic View on the Cost of Overfitting in (Kernel) Ridge Regression
von: Zhou, Lijia, et al.
Veröffentlicht: (2023)

On the Impacts of the Random Initialization in the Neural Tangent Kernel Theory
von: Chen, Guhan, et al.
Veröffentlicht: (2024)

Diagonal Over-parameterization in Reproducing Kernel Hilbert Spaces as an Adaptive Feature Model: Generalization and Adaptivity
von: Li, Yicheng, et al.
Veröffentlicht: (2025)

A Comprehensive Analysis on the Learning Curve in Kernel Ridge Regression
von: Cheng, Tin Sum, et al.
Veröffentlicht: (2024)

Transfer Learning of CATE with Kernel Ridge Regression
von: Kim, Seok-Jin, et al.
Veröffentlicht: (2025)

Cubit: Token Mixer with Kernel Ridge Regression
von: Zheng, Chuanyang, et al.
Veröffentlicht: (2026)

Differentiable Kernel Ridge Regression for Deep Learning Pipelines
von: Mercier, Jean-Marc, et al.
Veröffentlicht: (2026)

Optimal Rates and Saturation for Noiseless Kernel Ridge Regression
von: Long, Jihao, et al.
Veröffentlicht: (2024)

Neural Tangent Kernel of Neural Networks with Loss Informed by Differential Operators
von: Gan, Weiye, et al.
Veröffentlicht: (2025)

Computational Efficiency under Covariate Shift in Kernel Ridge Regression
von: Della Vecchia, Andrea, et al.
Veröffentlicht: (2025)

On the Robustness of Kernel Ridge Regression Using the Cauchy Loss Function
von: Wen, Hongwei, et al.
Veröffentlicht: (2025)

Learning Multi-Index Models with Hyper-Kernel Ridge Regression
von: Huang, Shuo, et al.
Veröffentlicht: (2025)

Decentralized Kernel Ridge Regression Based on Data-Dependent Random Feature
von: Yang, Ruikai, et al.
Veröffentlicht: (2024)

Estimation of Fish Catch Using Sentinel-2, 3 and XGBoost-Kernel-Based Kernel Ridge Regression
von: Mohammed, Kanu, et al.
Veröffentlicht: (2026)

On the Eigenvalue Decay Rates of a Class of Neural-Network Related Kernel Functions Defined on General Domains
von: Li, Yicheng, et al.
Veröffentlicht: (2023)

Optimal and Structure-Adaptive CATE Estimation with Kernel Ridge Regression
von: Kim, Seok-Jin
Veröffentlicht: (2026)

High-Dimensional Gaussian Process Regression with Soft Kernel Interpolation
von: Camaño, Chris, et al.
Veröffentlicht: (2024)

Have ASkotch: A Neat Solution for Large-scale Kernel Ridge Regression
von: Rathore, Pratik, et al.
Veröffentlicht: (2024)

Kernel Ridge Regression for Efficient Learning of High-Capacity Hopfield Networks
von: Tamamori, Akira
Veröffentlicht: (2025)

Alignment-Sensitive Minimax Rates for Spectral Algorithms with Learned Kernels
von: Huang, Dongming, et al.
Veröffentlicht: (2025)

fastkqr: A Fast Algorithm for Kernel Quantile Regression
von: Tang, Qian, et al.
Veröffentlicht: (2024)

Learning Analysis of Kernel Ridgeless Regression with Asymmetric Kernel Learning
von: He, Fan, et al.
Veröffentlicht: (2024)

Towards a Statistical Understanding of Neural Networks: Beyond the Neural Tangent Kernel Theories
von: Zhang, Haobo, et al.
Veröffentlicht: (2024)

Overfitting Behaviour of Gaussian Kernel Ridgeless Regression: Varying Bandwidth or Dimensionality
von: Medvedev, Marko, et al.
Veröffentlicht: (2024)

Spectrally Transformed Kernel Regression
von: Zhai, Runtian, et al.
Veröffentlicht: (2024)

PolySHAP: Extending KernelSHAP with Interaction-Informed Polynomial Regression
von: Fumagalli, Fabian, et al.
Veröffentlicht: (2026)

Characterizing Overfitting in Kernel Ridgeless Regression Through the Eigenspectrum
von: Cheng, Tin Sum, et al.
Veröffentlicht: (2024)

Pseudo-Labeling for Kernel Ridge Regression under Covariate Shift
von: Wang, Kaizheng
Veröffentlicht: (2023)

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

Kernel-Smith: A Unified Recipe for Evolutionary Kernel Optimization
von: Du, He, et al.
Veröffentlicht: (2026)

Multiple Kernel Clustering via Local Regression Integration
von: Du, Liang, et al.
Veröffentlicht: (2024)

Faster Low-Rank Approximation and Kernel Ridge Regression via the Block-Nyström Method
von: Garg, Sachin, et al.
Veröffentlicht: (2025)

Extending Kernel Trick to Influence Functions
von: Sun, Zhenhuan, et al.
Veröffentlicht: (2026)

Sparse Attention as Compact Kernel Regression
von: Santos, Saul, et al.
Veröffentlicht: (2026)