論文表記の著者名
Kazusato Oko
東京大学Machine Learning2021–2025 確定版
対象論文 9 本
著者名は論文に記載された表記をそのまま使用しており、同一人物の名寄せは行っていません。
印刷日： 全論文
論文上の著者表記・公開時所属による集計です。人物の名寄せ・現在所属・全業績を表すものではありません。
対象論文
論文一覧
- Learning sum of diverse features: computational hardness and efficient gradient-based training for ridge combinations
- Improved statistical and computational complexity of the mean-field Langevin dynamics under structured data
- Symmetric Mean-field Langevin Dynamics for Distributional Minimax Problems
- Mean Field Langevin Actor-Critic: Faster Convergence and Global Optimality beyond Lazy Learning
- SILVER: Single-loop variance reduction and application to federated learning
- Diffusion Models are Minimax Optimal Distribution Estimators
- Primal and Dual Analysis of Entropic Fictitious Play for Finite-sum Problems
- Feature learning via mean-field Langevin dynamics: classifying sparse parities and beyond
- Particle Stochastic Dual Coordinate Ascent: Exponential convergent algorithm for mean field neural network optimization