Buchumschlag

Factor Augmented High-Dimensional SGD

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Shubo, Han, Yuefeng, Yu, Xiufan
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

Factor Augmented Tensor-on-Tensor Neural Networks
von: Zhou, Guanhao, et al.
Veröffentlicht: (2024)

Factor Augmented Supervised Learning with Text Embeddings
von: Luo, Zhanye, 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)

Convex SGD: Generalization Without Early Stopping
von: Hendrickx, Julien, et al.
Veröffentlicht: (2024)

High-dimensional Limit of SGD for Diagonal Linear Networks
von: Malaxechebarría, Begoña García, et al.
Veröffentlicht: (2026)

Smoothed SGD for quantiles: Bahadur representation and Gaussian approximation
von: Chen, Likai, et al.
Veröffentlicht: (2025)

Optimal Discriminant Analysis in High-Dimensional Latent Factor Models
von: Bing, Xin, et al.
Veröffentlicht: (2022)

SGD with Dependent Data: Optimal Estimation, Regret, and Inference
von: Shen, Yinan, et al.
Veröffentlicht: (2026)

Statistical Inference for Linear Functionals of Online Least-squares SGD when $t \gtrsim d^{1+δ}$
von: Agrawalla, Bhavya, et al.
Veröffentlicht: (2025)

Estimating Generalization Performance Along the Trajectory of Proximal SGD in Robust Regression
von: Tan, Kai, et al.
Veröffentlicht: (2024)

Hypothesis Testing for High-Dimensional Matrix-Valued Data
von: Cui, Shijie, et al.
Veröffentlicht: (2024)

Online Covariance Estimation in Averaged SGD: Improved Batch-Mean Rates and Minimax Optimality via Trajectory Regression
von: Ni, Yijin, et al.
Veröffentlicht: (2026)

Statistical Inference for Linear Functionals of Online SGD in High-dimensional Linear Regression
von: Agrawalla, Bhavya, et al.
Veröffentlicht: (2023)

AdaDPIGU: Differentially Private SGD with Adaptive Clipping and Importance-Based Gradient Updates for Deep Neural Networks
von: Zhang, Huiqi, et al.
Veröffentlicht: (2025)

Navigating Sparsities in High-Dimensional Linear Contextual Bandits
von: Zhao, Rui, et al.
Veröffentlicht: (2025)

Power-Enhanced Two-Sample Mean Tests for High-Dimensional Compositional Data with Application to Microbiome Data Analysis
von: Li, Danning, et al.
Veröffentlicht: (2024)

Gaussian and Non-Gaussian Universality of Data Augmentation
von: Huang, Kevin Han, et al.
Veröffentlicht: (2022)

High-Dimensional Importance-Weighted Information Criteria: Theory and Optimality
von: Cao, Yong-Syun, et al.
Veröffentlicht: (2025)

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
von: Kim, Yeichan, et al.
Veröffentlicht: (2025)

High-dimensional scaling limits and fluctuations of online least-squares SGD with smooth covariance
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2023)

Optimizing High-Dimensional Oblique Splits
von: Chi, Chien-Ming
Veröffentlicht: (2025)

FLIPHAT: Joint Differential Privacy for High Dimensional Sparse Linear Bandits
von: Chakraborty, Sunrit, et al.
Veröffentlicht: (2024)

Minimax Rate-Optimal Algorithms for High-Dimensional Stochastic Linear Bandits
von: Liu, Jingyu, et al.
Veröffentlicht: (2025)

When Stronger Triggers Backfire: A High-Dimensional Theory of Backdoor Attacks
von: Flynn, Donald, et al.
Veröffentlicht: (2026)

Sparse Tucker Decomposition and Graph Regularization for High-Dimensional Time Series Forecasting
von: Xia, Sijia, et al.
Veröffentlicht: (2026)

Inferring Change Points in High-Dimensional Regression via Approximate Message Passing
von: Arpino, Gabriel, et al.
Veröffentlicht: (2024)

Resolving Memorization in Empirical Diffusion Model for Manifold Data in High-Dimensional Spaces
von: Lyu, Yang, et al.
Veröffentlicht: (2025)

SOFARI: High-Dimensional Manifold-Based Inference
von: Zheng, Zemin, et al.
Veröffentlicht: (2023)

Optimal and Provable Calibration in High-Dimensional Binary Classification: Angular Calibration and Platt Scaling
von: Li, Yufan, et al.
Veröffentlicht: (2025)

Entropic Optimal Transport Eigenmaps for Nonlinear Alignment and Joint Embedding of High-Dimensional Datasets
von: Landa, Boris, et al.
Veröffentlicht: (2024)

Order-Explicit Linearization of High-Dimensional $U$-Statistics
von: Ritzwoller, David M., et al.
Veröffentlicht: (2024)

Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
von: Mittal, Prateek, et al.
Veröffentlicht: (2024)

High-Dimensional Asymptotics of Differentially Private PCA
von: Yun, Youngjoo, et al.
Veröffentlicht: (2025)

Batches Stabilize the Minimum Norm Risk in High Dimensional Overparameterized Linear Regression
von: Ioushua, Shahar Stein, et al.
Veröffentlicht: (2023)

Sparsified-Learning for High-Dimensional Heavy-Tailed Locally Stationary Time Series, Concentration and Oracle Inequalities
von: Wang, Yingjie, et al.
Veröffentlicht: (2025)

TrIM: Transformed Iterative Mondrian Forests for Gradient-based Dimension Reduction and High-Dimensional Regression
von: Baptista, Ricardo, et al.
Veröffentlicht: (2024)

Privacy of SGD under Gaussian or Heavy-Tailed Noise: Guarantees without Gradient Clipping
von: Şimşekli, Umut, et al.
Veröffentlicht: (2024)

Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
von: Zhou, Guanhao, et al.
Veröffentlicht: (2025)

Supervised Dynamic Dimension Reduction with Deep Neural Network
von: Luo, Zhanye, et al.
Veröffentlicht: (2025)

A Heteroskedasticity-Robust Overidentifying Restriction Test with High-Dimensional Covariates
von: Fan, Qingliang, et al.
Veröffentlicht: (2022)