Buchumschlag

Finite-Particle Convergence Rates for Conservative and Non-Conservative Drifting Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Balasubramanian, Krishnakumar
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improved Finite-Particle Convergence Rates for Stein Variational Gradient Descent
von: Banerjee, Sayan, et al.
Veröffentlicht: (2024)

Total Variation Rates for Riemannian Flow Matching
von: Guan, Yunrui, et al.
Veröffentlicht: (2026)

Dense associative memory for Gaussian distributions
von: Tankala, Chandan, et al.
Veröffentlicht: (2025)

Finite-Particle Rates for Regularized Stein Variational Gradient Descent
von: He, Ye, et al.
Veröffentlicht: (2026)

A Quantitative Characterization of Forgetting in Post-Training
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2026)

Transformers Handle Endogeneity in In-Context Linear Regression
von: Liang, Haodong, et al.
Veröffentlicht: (2024)

Differentially Private Two-Stage Gradient Descent for Instrumental Variable Regression
von: Liang, Haodong, et al.
Veröffentlicht: (2025)

Finite-Dimensional Gaussian Approximation for Deep Neural Networks: Universality in Random Weights
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2025)

Riemannian Proximal Sampler for High-accuracy Sampling on Manifolds
von: Guan, Yunrui, et al.
Veröffentlicht: (2025)

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

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

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

O(d/T) Convergence Theory for Diffusion Probabilistic Models under Minimal Assumptions
von: Li, Gen, et al.
Veröffentlicht: (2024)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
von: Kontorovich, Aryeh, et al.
Veröffentlicht: (2026)

Convergence of Shallow ReLU Networks on Weakly Interacting Data
von: Dana, Léo, et al.
Veröffentlicht: (2025)

On the Exponential Convergence for Offline RLHF with Pairwise Comparisons
von: Chen, Zhirui, et al.
Veröffentlicht: (2024)

Large-Step Training Dynamics of a Two-Factor Linear Transformer Model
von: Balasubramanian, Krishnakumar
Veröffentlicht: (2026)

How Particle-System Random Batch Methods Enhance Graph Transformer: Memory Efficiency and Parallel Computing Strategy
von: Liu, Hanwen, et al.
Veröffentlicht: (2025)

Multivariate Gaussian Approximation for Random Forest via Region-based Stabilization
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

Gaussian random field approximation via Stein's method with applications to wide random neural networks
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2023)

Enjoying Non-linearity in Multinomial Logistic Bandits: A Minimax-Optimal Algorithm
von: Boudart, Pierre, et al.
Veröffentlicht: (2025)

A Separation in Heavy-Tailed Sampling: Gaussian vs. Stable Oracles for Proximal Samplers
von: He, Ye, et al.
Veröffentlicht: (2024)

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

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

Fast Rates for Offline Contextual Bandits with Forward-KL Regularization under Single-Policy Concentrability
von: Zhao, Qingyue, et al.
Veröffentlicht: (2026)

Gaussian and Bootstrap Approximation for Matching-based Average Treatment Effect Estimators
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

On the Statistical Capacity of Deep Generative Models
von: Tam, Edric, et al.
Veröffentlicht: (2025)

Training Dynamics of Multi-Head Softmax Attention for In-Context Learning: Emergence, Convergence, and Optimality
von: Chen, Siyu, et al.
Veröffentlicht: (2024)

On the Provable Performance Guarantee of Efficient Reasoning Models
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Counterfactual Generative Modeling with Variational Causal Inference
von: Wu, Yulun, et al.
Veröffentlicht: (2024)

Foundations of Top-$k$ Decoding For Language Models
von: Noarov, Georgy, et al.
Veröffentlicht: (2025)

Training Implicit Generative Models via an Invariant Statistical Loss
von: de Frutos, José Manuel, et al.
Veröffentlicht: (2024)

Cross-regularization: Adaptive Model Complexity through Validation Gradients
von: Brito, Carlos Stein
Veröffentlicht: (2025)

Identifiability of Potentially Degenerate Gaussian Mixture Models With Piecewise Affine Mixing
von: Xu, Danru, et al.
Veröffentlicht: (2026)

RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models
von: Hao, Sai, et al.
Veröffentlicht: (2026)

Navigating the Exploration-Exploitation Tradeoff in Inference-Time Scaling of Diffusion Models
von: Su, Xun, et al.
Veröffentlicht: (2025)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

Adapting to Unknown Low-Dimensional Structures in Score-Based Diffusion Models
von: Li, Gen, et al.
Veröffentlicht: (2024)

On the Statistical Properties of Generative Adversarial Models for Low Intrinsic Data Dimension
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Diffusion Models and the Manifold Hypothesis: Log-Domain Smoothing is Geometry Adaptive
von: Farghly, Tyler, et al.
Veröffentlicht: (2025)