論文の概要: Compact and Infinite-Order Error Analysis for Null-Space SVD Estimation
- arxiv url: http://arxiv.org/abs/2608.30374v1
- Date: Mon, 31 Aug 2026 07:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.284584
- Title: Compact and Infinite-Order Error Analysis for Null-Space SVD Estimation
- Title（参考訳）: Null-Space SVD推定のためのコンパクト・無限次誤差解析
- Abstract要約: 雑音行列からのNull-space推定について検討する。
トレーニング中の個々に順序付けられたヌル方向 (geq m) に対して、ウィッシュアート分割行列 (W) が厳密な二階経験的ランクを与えることを証明する。
不平等なスパイクについては、正確な人口オーバーラップ基準とモンテカルロの信頼性証明書(99%)が観察された中間ランクを説明する。
- 参考スコア（独自算出の注目度）: 8.84983025699092
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study null-space estimation from a noisy matrix. For a simple left null space, we first derive an exact compact expression for the error of the smallest left singular vector. We then give an all-order series for the SVD vector and projector, followed by compact and consistently truncated series forms for the fixed-realization empirical risk and conditional population generalization risk. The recursion extends to a multiple-dimensional null space by following the complete invariant subspace. The convergence radius is not inferred from an error plot: it is computed independently from the nearest complex exceptional point that joins a retained eigenvalue branch to its complement. A reduced-nullity experiment shows that moving this spectral boundary can increase the radius, although the improvement is not monotone in the retained nullity. For individually ordered null directions under Gaussian training with \(τ\geq m\), we prove that the Wishart splitting matrix \(W\) gives a strict second-order empirical ranking. Gaussian averaging equalizes the leading generalization risks at both small and very large noise, while a column-swap theorem proves strict expected generalization ranking for an isotropic signal subspace. For unequal spikes, an exact population-overlap criterion and a simultaneous \(99\%\) Monte Carlo confidence certificate explain the observed intermediate ranking. A sixth-order risk correction improves the lower-crossover estimate in the reported experiment. This equal--ranked--equal phenomenon is a finite-sample diagnostic related to spectral mixing, but its tolerance crossings, the exceptional-point radius, and the asymptotic BBP threshold are three distinct quantities.
- Abstract（参考訳）: 雑音行列からのNull-space推定について検討する。
単純左零空間に対しては、まず最小左特異ベクトルの誤差に対する正確なコンパクトな表現を導出する。
次に、SVDベクトルとプロジェクターに対して全順序級数を与え、続いて、固定現実化経験リスクと条件付き集団一般化リスクに対してコンパクトで一貫した歪んだ級数を与える。
再帰は、完全不変部分空間に従えば、多次元のヌル空間に拡張される。
収束半径は誤差プロットから推定されるのではなく、維持された固有値分岐を補集合に結合する最も近い複素例外点から独立に計算される。
還元零度実験により、このスペクトル境界の移動は半径を増大させるが、維持された零度における改善は単調ではないことが示された。
ガウスの訓練において、(τ\geq m\) で個別に順序付けられた null 方向に対して、ウィッシュアート分割行列 \(W\) が厳密な二階経験的ランクを与えることを証明する。
ガウス平均化は、小さいノイズと非常に大きなノイズの両方において主要な一般化リスクを等しくし、カラムスワップの定理は等方性信号部分空間の厳密な一般化ランキングを証明している。
不平等なスパイクについては、正確な人口オーバーラップ基準と(99\%\)モンテカルロの信頼性証明書が観察された中間ランクを説明する。
6階のリスク修正は、報告された実験における低いクロスオーバー推定を改善する。
この等級等式は、スペクトル混合に関連する有限サンプルの診断であるが、その耐性交差、例外点半径、漸近的BBP閾値は3つの異なる量である。
関連論文リスト
- Inference and Uncertainty Quantification for Streaming $r$-PCA [0.40105987447353786]
Ojaのアルゴリズムを用いてPCAをストリーミングする際の2つのオープンな問題に対処する。
両大口径スパーステール系において, 対数的因子まで, 一致した下界を証明した。
論文 参考訳（メタデータ） (2026-08-18T23:02:28Z) - Exact Rank-Space KL Projection for Shared-Marginal Low-Rank Factors: Application to Doubly Stochastic Clustering [0.7614628596146601]
等しい全質量の任意の正の行辺に対して、合同KL射影はちょうど$r-1の有効変数のみを持つ厳密な凸ゲージ固定双対に還元される。
この幾何学を専門とし、$W=UnameDiag(g)-1Vtop$で2倍グラフ学習を誘導する。
観察されたスパースフィッティング、アンカーエッジ多様体正規化器、ブレグマンのバックトラックと組み合わせることで、ミラー・ディフレッシュ法は受け入れられたステップごとに正確な実現可能性を維持する。
論文 参考訳（メタデータ） (2026-08-09T11:29:05Z) - Discretization and Statistical Consistency of Functional Flow Matching [0.0]
有限ランク再構成の強い一貫した列に対して、有限条件速度目標の強い$L2$収束を証明した。
学習フローに対して、集団重ね合わせ経路に直接結合すると、終端ワッサーシュタイン境界が得られる。
論文 参考訳（メタデータ） (2026-08-05T07:05:47Z) - Demixing Sparse Signals from Nonlinear Observations using Generalized Non-convex Regularization [0.0]
重畳の非線形観測回数が限られていることから, スパースベクトルの回復を考察する。
本稿では, 一般化畳み込みペナルティとハマー化データ忠実度を組み合わせた正規化に基づくフレームワークを提案する。
仮に局所的な定常点を保った位数$sqrtslog(n)/m$の誤差境界を導出する。
論文 参考訳（メタデータ） (2026-07-12T07:29:39Z) - Convergence Dynamics of Over-Parameterized Score Matching for a Single Gaussian [48.340460104014]
学習モデルの勾配降下について検討し,1つのガウス分布を学習する。
複数の条件下での勾配降下に対する大域収束結果を証明した。
これは、スコアマッチングフレームワークの下で少なくとも3つの成分を持つガウス混合に対する大域収束保証を確立するための最初の試みである。
論文 参考訳（メタデータ） (2025-11-27T03:41:48Z) - Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。
以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
論文 参考訳（メタデータ） (2025-10-22T19:06:39Z) - Mean-square and linear convergence of a stochastic proximal point algorithm in metric spaces of nonpositive curvature [0.0]
単調ベクトル場の平均の零点を近似する非線形(分離可能な)アダマール空間の一般設定において、近点アルゴリズムの変種を定義する。
摂動空間上の確率的独立仮定と分離性仮定とともに、その収束性を適切な強い単調性仮定の下で証明する。
論文 参考訳（メタデータ） (2025-10-12T16:54:04Z) - Sampling and estimation on manifolds using the Langevin diffusion [45.57801520690309]
離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。
誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
論文 参考訳（メタデータ） (2023-12-22T18:01:11Z) - Optimal policy evaluation using kernel-based temporal difference methods [78.83926562536791]
カーネルヒルベルト空間を用いて、無限水平割引マルコフ報酬過程の値関数を推定する。
我々は、関連するカーネル演算子の固有値に明示的に依存した誤差の非漸近上界を導出する。
MRP のサブクラスに対する minimax の下位境界を証明する。
論文 参考訳（メタデータ） (2021-09-24T14:48:20Z) - Spectral clustering under degree heterogeneity: a case for the random
walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。
次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文 参考訳（メタデータ） (2021-05-03T16:36:27Z) - On Linear Stochastic Approximation: Fine-grained Polyak-Ruppert and
Non-Asymptotic Concentration [115.1954841020189]
The inequality and non-asymptotic properties of approximation procedure with Polyak-Ruppert averaging。
一定のステップサイズと無限大となる反復数を持つ平均的反復数に対する中心極限定理(CLT)を証明する。
論文 参考訳（メタデータ） (2020-04-09T17:54:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。