Conferences · eligible papers
COLT
2021–2025 確定版
2021 · 140 papers
このEditionに反映済みのmain full research papersのみ掲載しています。著者リンクは日本の大学への著者別所属根拠がある場合に限ります。
- Projected Stochastic Gradient Langevin Algorithms for Constrained Sampling and Non-Convex Learning
日本大学: 関与なし（対象大学）
- Provable Memorization via Deep Neural Networks using Sub-linear Parameters
日本大学: 関与なし（対象大学）
- Quantifying Variational Approximation for Log-Partition Function
日本大学: 関与なし（対象大学）
- Query complexity of least absolute deviation regression via robust uniform convergence
日本大学: 関与なし（対象大学）
- Random Coordinate Langevin Monte Carlo
日本大学: 関与なし（対象大学）
- Random Graph Matching with Improved Noise Robustness
日本大学: 関与なし（対象大学）
- Rank-one matrix estimation: analytic time evolution of gradient descent dynamics
日本大学: 関与なし（対象大学）
- Reconstructing weighted voting schemes from partial information about their power indices
日本大学: 関与なし（対象大学）
- Reduced-Rank Regression with Operator Norm Error
日本大学: 関与なし（対象大学）
- Regret Minimization in Heavy-Tailed Bandits
日本大学: 関与なし（対象大学）
- Robust Online Convex Optimization in the Presence of Outliers
日本大学: 関与なし（対象大学）
- Robust learning under clean-label attack
日本大学: 関与なし（対象大学）
- SGD Generalizes Better Than GD (And Regularization Doesn’t Help)
日本大学: 関与なし（対象大学）
- SGD in the Large: Average-case Analysis, Asymptotics, and Stepsize Criticality
日本大学: 関与なし（対象大学）
- Sequential prediction under log-loss and misspecification
日本大学: 関与なし（対象大学）
- Shape Matters: Understanding the Implicit Bias of the Noise Covariance
日本大学: 関与なし（対象大学）
- Size and Depth Separation in Approximating Benign Functions with Neural Networks
日本大学: 関与なし（対象大学）
- Softmax Policy Gradient Methods Can Take Exponential Time to Converge
日本大学: 関与なし（対象大学）
- Source Identification for Mixtures of Product Distributions
日本大学: 関与なし（対象大学）
- Sparse sketches with small inversion bias
日本大学: 関与なし（対象大学）
- Spectral Planting and the Hardness of Refuting Cuts, Colorability, and Communities in Random Graphs
日本大学: 関与なし（対象大学）
- Statistical Query Algorithms and Low Degree Tests Are Almost Equivalent
日本大学: 関与なし（対象大学）
- Stochastic Approximation for Online Tensorial Independent Component Analysis
日本大学: 関与なし（対象大学）
- Stochastic block model entropy and broadcasting on trees with survey
日本大学: 関与なし（対象大学）
- Streaming k-PCA: Efficient guarantees for Oja’s algorithm, beyond rank-one updates
日本大学: 関与なし（対象大学）
- Structured Logconcave Sampling with a Restricted Gaussian Oracle
日本大学: 関与なし（対象大学）
- Survival of the strictest: Stable and unstable equilibria under regularized learning with partial information
日本大学: 関与なし（対象大学）
- The Bethe and Sinkhorn Permanents of Low Rank Matrices and Implications for Profile Maximum Likelihood
日本大学: 関与なし（対象大学）
- The Connection Between Approximation, Depth Separation and Learnability in Neural Networks
日本大学: 関与なし（対象大学）
- The Effects of Mild Over-parameterization on the Optimization Landscape of Shallow ReLU Neural Networks
日本大学: 関与なし（対象大学）
- The Last-Iterate Convergence Rate of Optimistic Mirror Descent in Stochastic Variational Inequalities
日本大学: 関与なし（対象大学）
- The Min-Max Complexity of Distributed Stochastic Convex Optimization with Intermittent Communication
日本大学: 関与なし（対象大学）
- The Optimality of Polynomial Regression for Agnostic Learning under Gaussian Marginals in the SQ Model
日本大学: 関与なし（対象大学）
- The Sample Complexity of Robust Covariance Testing
日本大学: 関与なし（対象大学）
- The Sparse Vector Technique, Revisited
日本大学: 関与なし（対象大学）
- Thinking Inside the Ball: Near-Optimal Minimization of the Maximal Loss
日本大学: 関与なし（対象大学）
- Towards a Dimension-Free Understanding of Adaptive Linear Control
日本大学: 関与なし（対象大学）
- Towards a Query-Optimal and Time-Efficient Algorithm for Clustering with a Faulty Oracle
日本大学: 関与なし（対象大学）
- Weak learning convex sets under normal distributions
日本大学: 関与なし（対象大学）
- When does gradient descent with logistic loss interpolate using deep networks with smoothed ReLU activations?
日本大学: 関与なし（対象大学）