:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pautrel, Thibault, Portier, François
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2606.00413
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FedSPDnet: Geometry-Aware Federated Deep Learning with SPDnet
von: Pautrel, Thibault, et al.
Veröffentlicht: (2026)

On Conditional Stochastic Interpolation for Generative Nonlinear Sufficient Dimension Reduction
von: Xu, Shuntuo, et al.
Veröffentlicht: (2025)

Neural Networks Perform Sufficient Dimension Reduction
von: Xu, Shuntuo, et al.
Veröffentlicht: (2024)

Nearest neighbor empirical processes
von: Portier, François
Veröffentlicht: (2021)

Golden Ratio-Based Sufficient Dimension Reduction
von: Yang, Wenjing, et al.
Veröffentlicht: (2024)

Learning Functional Graphs with Nonlinear Sufficient Dimension Reduction
von: Kim, Kyongwon, et al.
Veröffentlicht: (2026)

Enhancing Sufficient Dimension Reduction via Hellinger Correlation
von: Hong, Seungbeom, et al.
Veröffentlicht: (2024)

FlowSDR: Sufficient Dimension Reduction via Conditional Normalizing Flows
von: Dong, Yuexiao, et al.
Veröffentlicht: (2026)

Nearest Neighbor Sampling for Covariate Shift Adaptation
von: Portier, François, et al.
Veröffentlicht: (2023)

Sharp error bounds for imbalanced classification: how many examples in the minority class?
von: Aghbalou, Anass, et al.
Veröffentlicht: (2023)

Belted and Ensembled Neural Network for Linear and Nonlinear Sufficient Dimension Reduction
von: Tang, Yin, et al.
Veröffentlicht: (2024)

Fréchet Cumulative Covariance Net for Deep Nonlinear Sufficient Dimension Reduction with Random Objects
von: Yuan, Hang, et al.
Veröffentlicht: (2025)

Structure-Preserving Nonlinear Sufficient Dimension Reduction for Tensors
von: Lin, Dianjun, et al.
Veröffentlicht: (2025)

The R package psvmSDR: A Unified Algorithm for Sufficient Dimension Reduction via Principal Machines
von: Shin, Jungmin, et al.
Veröffentlicht: (2024)

Concentration and excess risk bounds for imbalanced classification with synthetic oversampling
von: Ahmad, Touqeer, et al.
Veröffentlicht: (2025)

Riemannian Stochastic Gradient Method for Nested Composition Optimization
von: Zhang, Dewei, et al.
Veröffentlicht: (2022)

Streamlining in the Riemannian Realm: Efficient Riemannian Optimization with Loopless Variance Reduction
von: Demidovich, Yury, et al.
Veröffentlicht: (2024)

Learning-Rate-Free Stochastic Optimization over Riemannian Manifolds
von: Dodd, Daniel, et al.
Veröffentlicht: (2024)

Tame Riemannian Stochastic Approximation
von: Aspman, Johannes, et al.
Veröffentlicht: (2023)

Finite-Time Analysis of Stochastic Nonconvex Nonsmooth Optimization on the Riemannian Manifolds
von: Sahinoglu, Emre, et al.
Veröffentlicht: (2025)

Dimensionality Reduction on Riemannian Manifolds in Data Analysis
von: Ichi, Alaa El, et al.
Veröffentlicht: (2026)

Dimension Reduction for Symbolic Regression
von: Kahlmeyer, Paul, et al.
Veröffentlicht: (2025)

Standard Acquisition Is Sufficient for Asynchronous Bayesian Optimization
von: Riegler, Ben, et al.
Veröffentlicht: (2026)

An Adaptive Dimension Reduction Estimation Method for High-dimensional Bayesian Optimization
von: Hu, Shouri, et al.
Veröffentlicht: (2024)

A probabilistic view on Riemannian machine learning models for SPD matrices
von: de Surrel, Thibault, et al.
Veröffentlicht: (2025)

The Dimension Strikes Back with Gradients: Generalization of Gradient Methods in Stochastic Convex Optimization
von: Schliserman, Matan, et al.
Veröffentlicht: (2024)

Bridging Graph Drawing and Dimensionality Reduction with Stochastic Stress Optimization
von: Hangan, Daniel, et al.
Veröffentlicht: (2026)

Structural Dimension Reduction in Bayesian Networks
von: Heng, Pei, et al.
Veröffentlicht: (2026)

Dimension Reduction with Locally Adjusted Graphs
von: Wang, Yingfan, et al.
Veröffentlicht: (2024)

All ERMs Can Fail in Stochastic Convex Optimization Lower Bounds in Linear Dimension
von: Burla, Tal, et al.
Veröffentlicht: (2026)

Riemannian Optimization in Modular Systems
von: Pehle, Christian, et al.
Veröffentlicht: (2026)

Riemannian Dueling Optimization
von: Ren, Yuxuan, et al.
Veröffentlicht: (2026)

An Algorithm with Optimal Dimension-Dependence for Zero-Order Nonsmooth Nonconvex Stochastic Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2023)

Online estimation of the inverse of the Hessian for stochastic optimization with application to universal stochastic Newton algorithms
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

A Full Adagrad algorithm with O(Nd) operations
von: Godichon-Baggioni, Antoine, et al.
Veröffentlicht: (2024)

Dimension Reduction with Prior Information for Knowledge Discovery
von: Bui, Anh Tuan
Veröffentlicht: (2021)

Prescriptive PCA: Dimensionality Reduction for Two-stage Stochastic Optimization
von: He, Long, et al.
Veröffentlicht: (2023)

Adaptive Variance Reduction for Stochastic Optimization under Weaker Assumptions
von: Jiang, Wei, et al.
Veröffentlicht: (2024)

Riemannian Lyapunov Optimizer: A Unified Framework for Optimization
von: Wang, Yixuan, et al.
Veröffentlicht: (2026)

Language Model Embeddings Can Be Sufficient for Bayesian Optimization
von: Nguyen, Tung, et al.
Veröffentlicht: (2024)