Small deviations of determinants of random matrices with Gaussian entries
估计矩阵$AA^T$行列式的小偏差的概率,其中$A$是具有联合高斯分布的中心元素的$n\times\infty$随机矩阵。所得不等式在某种意义上是尖锐的。
2013-03-18 math.PR
Matrix Concentration for Products
本文给出了独立随机矩阵乘积的非渐近增长性和集中性的界。这些结果改进和推广了Henriksen-Ward最近的工作,并且它们在精神上类似于Ahlswede-Winter和Tropp关于独立随机矩阵之和的结果。该参数依赖于Schatten迹类的均匀平滑特性。
2020-03-11 math.PR
The spectral norm of Gaussian matrices with correlated entries
本文给出了具有中心联合高斯元素的$d\times d$矩阵$X$的谱范数关于元素的协方差阵的非渐近界。在某些情况下,这个估计是尖锐的,并删除了非交换Khintchine不等式中的$\sqrt{\log d}$因子。
2021-08-20 math.PR
Sharp concentration for sums of matrices with Markovian dependence through universality
Eindhoven University of Technology(埃因霍温理工大学);University of Münster(明斯特大学)
本文证明了由ψ-混合马尔可夫链生成的随机矩阵和具有与高斯矩阵相似的谱性质,结合高斯文献的最新进展,实现了尖锐的集中不等式。通过示例展示了其在Wigner型矩阵中的多项式维数改进及谱聚类模型的极限值恢复。
2026-04-28 math.OA math.PR
Quantitative estimates of the spectral norm of random matrices with independent columns
本文针对具有独立列的随机矩阵,证明了其谱范数的 $L_p$ 范数上界为 $(\sqrt{m}+\sqrt{n})p$,且该界不依赖于中间维度 $N$。
2025-03-30 math.PR
Spectral norm of products of random and deterministic matrices
本文研究了可分解为M=BA的矩阵M的谱范数,其中A是具有独立均值零元素的随机矩阵,B是固定矩阵。在A的元素的(4+<$)阶矩假设下,我们证明了这样的m × n矩阵M的谱范数由\sqrt{m} + \sqrt{n}有界,这是尖锐的.换句话说,关于谱范数,随机矩阵和确定性矩阵的乘积的行为类似于具有独立元素的随机矩阵。这一结果与M. Rudelson和作者的结论是,具有独立同分布的随机m × n矩阵的最小奇异值是平均零项和有界(4+ 1)阶矩以高概率被\sqrt{m} - \sqrt{n-1}下界。
2010-03-15 math.FA math.PR
Full large deviation principles for the largest eigenvalue of sub-Gaussian Wigner matrices
Duke University(杜克大学);CNRS, ENS de Lyon(法国国家科学研究中心,里昂高等师范学校)
研究子高斯威格纳矩阵右端最大特征值的大偏差原理,通过受限退火自由能优化问题推导出精确上尾渐进行为,改进了传统方法的假设条件。
2026-04-14 math.PR
Rates of convergence of some multivariate Markov chains with polynomial eigenfunctions
本文利用谱技术对标准多元马尔可夫链的收敛速度进行了非渐近分析。所有的链都具有多元正交多项式作为特征函数。我们的例子包括群体遗传学中的Moran模型及其在群落生态学中的变体,Dirichlet-多项式Gibbs抽样,一类广义Bernoulli-Laplace过程,广义Escherichfest urn模型和多元正态自回归过程。
2009-06-23 math.PR
Sharp functional quantization and empirical Wasserstein rates for Itô processes
University of Southern California(南加州大学);School of Science and Engineering, the Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳)理工学院)
该研究针对Itô过程经验路径律,建立了(log N)^{-1/2}的Sharp Wasserstein收敛速率,采用自适应随机时间区间划分方法,其结果可应用于路径依赖SDE及McKean-Vlasov粒子系统相关估计。
2026-09-29 math.PR
On spectral outliers of inhomogeneous symmetric random matrices
本文研究非齐次对称随机矩阵的谱离群值,以元素最大方差刻画稀疏性,给出次高斯矩阵存在离群值的尖锐条件,并证明其仅取决于稀疏程度。
2024-01-25 math.PR
Sharp singularity asymptotics for discrete random matrices
Shandong University(山东大学)
该研究解决了Rademacher奇异性猜想,证明了离散随机矩阵奇异概率的尖锐上界,并推广到一般离散分布,方法结合随机性反转与傅里叶平均。
2026-10-19 math.PR
Sharp bounds on the rate of convergence of the empirical covariance matrix
设$X_1,..., X_N\in\R^n$为对数凹分布的独立中心随机向量,单位为协方差阵。我们表明,以压倒性的概率至少$1 - 3 \exp(-c\sqrt{n}\r)$一个有$ \sup_{x\in S^{n-1}} \Big|\frac{1/N}\sum_{i=1}^N (|<X_i, x>|^2 - \E|<X_i, x>|^2\r)\Big| \leq C \sqrt{\frac{n/N}},$,其中$C$是一个绝对的正常数。当线性形式$(<X_i,x>)_{i\leq N, x\in S^{n-1}}$和欧氏范数$(|X_i|/\sqrt n)_{i\leq N}$表现出一致的次指数衰减时,该结果在更一般的框架中是有效的。因此,如果$A$表示列为$(X_i)$的随机矩阵,则以压倒性的概率,$AA^\top$的极值奇异值$λ_{\rm min}$和$λ_{\rm max}$满足不等式$ 1 - C\sqrt{n/N} \le {λ_{\rm min}/N} \le \frac{λ_{\rm max}/N} \le 1 + C\sqrt{n/N} $,该不等式是已知用于i.i.d.条目
2012-10-30 math.FA math.PR
Finding a dense submatrix of a random matrix. Sharp bounds for online algorithms
针对高斯随机矩阵的稠密子矩阵搜索,本文分析包含已知最佳算法的在线算法类,证明其紧近似因子,并推广到高阶高斯张量。
2025-07-25 math.PR math.ST stat.TH
Sharp spectral norm concentration and regularization of sparse random tensors
Alpha Benito Research(Alpha Benito 研究所);Department of Mathematics, University of Southern California(南加州大学数学系)
本文证明稀疏随机张量谱范数的尖锐集中不等式,去除对数因子,并推广至非齐次采样及随机超图模型。
2026-10-21 math.CO math.PR math.ST
Random matrices: Sharp concentration of eigenvalues
令$W_n= \frac{1}{\sqrt n} M_n$是其条目具有消失的三阶矩的维格纳矩阵,归一化使得频谱集中在间隔$[-2,2]$中。我们证明了$N_I = N_I(W_n)$的一个浓度界,即$W_n$在一个区间$I$中的特征值的个数。我们的结果表明,$N_I$指数衰减的标准差最多$O(\log^{O(1)} n)$。这是最好的可能达到常数指数的对数项。作为推论,体特征值被局部化到宽度为$O(\log^{O(1)} n/n)$的区间;同样,这是最优的,直到指数。这些结果加强了Erdos,Yau和Yin(在三分之一消失的额外假设下)的最近结果
2013-08-10 math.PR
De Finetti-Style Results for Wishart Matrices: Combinatorial Structure and Phase Transitions
最近的工作研究了Wishart矩阵$X^\top X$之间的关系,其中$X\in \mathbb{R}^{d\times n}$具有i.i.d.标准高斯项,以及相应的高斯矩阵与对角线上的独立项。Jiang and Li(2015)和Bubeck et al.(2016)表明,只要$d/n^3\to \infty$,这两个矩阵集合就会在全变差中收敛,Bubeck et al.(2016)表明这是尖锐的。在本文中,我们的目标是确定精确的阈值$d$在$n$的Wishart矩阵的子集收敛在全变差独立高斯。事实证明,被视为图$G$的邻接矩阵的所揭示的条目的组合结构表征了与完全独立的距离。具体来说,我们证明了$d$的阈值取决于$G$中各种小子图的数量。因此,即使显示条目的数量是固定的,阈值也会根据它们的配置而变化很大。因此,掩蔽Wishart收敛到独立的高斯,本质上涉及概率和组合现象之间的相互作用。我们的研究结果确定了一个大家庭的$G$,包括Erdens-Rényi $G\sim \mathcal{G}(n,p)$在所有值$p\gtrsim n^{-2}\mathrm{polylog}(n)$的尖锐阈值。我们的证明技术都是组合和信息理论,这使我们能够仔细解开掩蔽Wishart合奏的依赖关系。
2021-03-25 cs.IT math.IT math.PR
Sharp entrywise perturbation bounds for Markov chains
本文研究了Markov链不变分布对转移矩阵元素扰动的敏感性,提出了一种精确的扰动界,无需假设转移矩阵结构,且计算复杂度与计算不变分布相当,通过击中时间解释扰动敏感性。
2015-10-09 cs.NA math.NA math.PR
A simpler spectral approach for clustering in directed networks
INRIA(法国国家信息与自动化研究所);Sorbonne Université(索邦大学)
我们研究了有向网络中的聚类任务。我们表明,使用的特征值/特征向量分解的邻接矩阵是简单的比所有常见的方法,这是基于数据正则化和SVD截断的组合,以及工作非常稀疏的制度,其中的边缘密度具有恒定的顺序。我们的分析是基于一个主定理描述尖锐的渐近孤立的特征值/特征向量的稀疏,非对称矩阵与独立的条目。我们还描述了这些特征向量的条目的限制分布;在谱嵌入的有向图聚类任务中,我们提供了高斯混合聚类优于广泛使用的k-means算法的数值证据。
2021-02-05 cs.LG math.PR
Matrix Concentration Inequalities and Free Probability II. Two-sided Bounds and Applications
University of Rome Tor Vergata(罗马托尔维加塔大学);Princeton University(普林斯顿大学)
本文针对矩阵集中不等式与自由概率研究,为谱边缘获得匹配下界以完善理论,其双侧界可解决经典方法无法处理的谱边缘首阶精确确定问题,并通过两个结果解释非齐次随机矩阵谱异常值相变,阐明多领域应用中的相变现象。
2025-11-11 math.FA math.OA math.PR
Sharp threshold for universality of cokernels of random matrices over finite fields
Ajou University(亚洲大学)
该研究确定有限域上随机矩阵余核普适性的尖锐阈值,证明满足特定元素概率条件的随机矩阵余核依分布收敛到均匀随机矩阵余核的极限律,解答了Wood的公开问题。
2026-08-25 math.CO math.PR
Optimal Delocalization for Generalized Wigner Matrices
研究了次指数元广义Wigner矩阵的特征向量,证明了它们以压倒性的概率以最优速率离域。我们还证明了高概率离域边界与尖锐的常数。我们的证明使用了Bournard和Yau(2017)引入的特征向量矩流的分析,以约束具有小高斯分量的随机矩阵的特征向量项的对数矩。然后,我们通过比较参数将这种控制扩展到所有广义维格纳矩阵,该比较参数基于正则化特征向量,水平排斥和Landon,Lopatto和Marcinek(2018)用于比较极值特征值统计的可观测值的框架。此外,我们证明水平排斥和本征值拥挤估计的整个频谱,这可能是独立的利益。
2021-09-09 math-ph math.MP math.PR
Eigenvector Statistics of Lévy Matrices
我们分析了特征值足够小的重尾随机对称矩阵(也称为Lévy矩阵)的特征向量项的统计。我们表明,任何这样的条目的限制法律是非高斯的,由产品的正态分布与另一个随机变量,取决于相应的特征值的位置。虽然后者随机变量通常是非显式的,但对于中值特征向量,它是由单侧稳定律的逆给出的。此外,我们表明,不同的条目相同的特征向量是渐近独立的,但有非平凡的特征向量与附近的特征值之间的相关性。我们的研究结果与已知的维格纳矩阵和稀疏随机图的特征向量行为形成鲜明对比。
2020-11-12 math-ph math.MP math.PR
Structured Random Matrices
随机矩阵理论是概率论的一个发展良好的领域,它与数学的其他领域及其应用有许多联系。这一领域的许多文献都涉及具有许多精确或近似对称性的矩阵,例如具有独立同分布的矩阵。条目,精确的分析结果和极限定理。更不容易理解的是被赋予任意结构的矩阵,例如稀疏维格纳矩阵或其元素具有给定方差模式的矩阵。在调查这种结构化的随机矩阵的挑战是要了解如何给定的矩阵的结构是反映在其频谱特性。本章回顾了一些最近的结果,方法,并在这个方向上的公开问题,特别强调高斯随机矩阵的尖锐谱范数不等式。
2016-10-17 math.PR
Sharp invertibility of random Bernoulli matrices
设$p \in (0,1/2)$是固定的,并且设$B_n(p)$是具有i.i.d.的$n\times n$随机矩阵。Bernoulli随机变量与平均$p$。我们表明,对于所有的$t \ge 0$,\[\mathbb{P}[s_n(B_n(p)) \le tn^{-1/2}] \le C_p t + 2n(1-p)^{n} + C_p (1-p-ε_p)^{n},\],其中$s_n(B_n(p))$表示的最小奇异值的$B_n(p)$和$C_p, ε_p > 0$是常数只依赖于$p$。特别是,\[\mathbb{P}[B_{n}(p) \text{ is singular}] = 2n(1-p)^{n} + C_{p}(1-p-ε_p)^{n},\]这证实了一个猜想利特瓦克和Tikhomirov。我们还证实了Nguyen的一个猜想,证明了如果$Q_{n}$是一个$n\times n$随机矩阵,其独立行均匀分布在$\{0,1\}^{n}$的中心切片上,则\[\mathbb{P}[Q_{n} \text{ is singular}] = (1/2 + o_n(1))^{n}.\]这第一次提供了一个尖锐的确定,在任何自然模型的随机离散矩阵的奇异性概率的对数与依赖项。
2021-05-05 math.CO math.PR
The Littlewood-Offord Problem and invertibility of random matrices
本文证明了具有独立元素的随机n × n矩阵的最小奇异值分布的两个基本定理。在最小矩的假设下,我们证明了最小的奇异值是n^{-1/2}阶的,这是高斯矩阵的最佳。此外,我们给出了尾概率的最优估计。这是Littlewood-Offord问题中一个新的和本质上尖锐的估计的结果:对于i.i.d.随机变量X_k和实数a_k,决定了a_k X_k之和位于某个数v附近的概率P.对于相同数量级的任意系数a_k,我们证明了它们本质上位于长度为1/p的等差数列中.
2008-01-31 math.FA math.PR
Random matrices: Probability of Normality
在本文中,我们调查以下问题:多久是一个随机矩阵正常?我们考虑一个随机$n\times n$矩阵,$M_n$,其元素是独立同分布的. Rademacher随机变量(取值$\{ \pm1 \}$,概率为$1/2$),并证明了$$2^{-\left(0.5+o(1)\right)n^2} \le P\left(M_n \text{ is normal}\right) \le 2^{-(0.302+o(1))n^{2}}. $$.我们猜想其下界是尖锐的.
2019-02-05 math.CO math.PR
Concentration inequalities for random matrix products
设$\{ X_k \}_{k \in \mathbb{Z}}$是具有公共维数$d\times d$和公共期望$\mathbb{E}[ X_k ]= X$的有界独立随机矩阵序列.在这些一般假设下,归一化的随机矩阵乘积$$Z_n = (I + \frac{1}{n}X_n)(I + \frac{1}{n}X_{n-1}) \cdots (I + \frac{1}{n}X_1)$$收敛到$Z_n \rightarrow e^{X}$作为$n \rightarrow \infty$。这种形式的归一化随机矩阵乘积在随机迭代算法中自然出现,例如用于流式主成分分析的Oja算法。在这里,我们得到这样的随机矩阵产品的非渐近浓度不等式。特别是,我们证明了谱范数误差满足$\| Z_n - e^{X} \| = O((\log(n))^2\log(d/δ)/\sqrt{n})$的概率超过$1-δ$。$n$、$d$和$δ$的发生率很高,可能高达$\log(n)$和$\log(d)$因子。证明依赖于两个关键的理论点:关于随机矩阵和的集中的矩阵Bernstein不等式,以及组合数学中的Baranyai定理。一般类的随机矩阵产品的浓度范围是很难在文献中,我们希望我们的结果将激励在这个方向上进一步的工作。
2019-07-12 math.PR
Universality and least singular values of random matrix products: a simplified approach
本文讨论了在研究独立随机矩阵乘积的局部普适性时,如何对平移线性化矩阵的最小奇异值进行精确控制。这个问题首先被认为是在最近的工作Koppel,O'Rourke和武,并与他们的工作相比,我们的证明是大大简单,并建立在更大的一般性。特别是,我们只假设的集合的条目是中心,并有二阶和四阶矩均匀有界远离$0$和无穷大,而以前的工作假设一个均匀的亚高斯衰减条件,并在每个产品的因素内的条目是相同的分布。我们的最小奇异值界的一个后果是,独立随机矩阵的产品,最近获得的Koppel,O'Rourke,和Vu的四个时刻匹配的普遍性结果,在弱得多的假设下。我们的证明技术也是结构稀疏矩阵的研究中的独立利益。
2020-07-07 math.PR
Sharper Sub-Weibull Concentrations
常数和指数浓度不等式在机器学习和高维统计领域的有限样本理论中起着重要的作用。我们得到更清晰和常数指定的浓度不等式的总和独立的子威布尔随机变量,这导致了两个尾巴的混合物:子高斯小偏差和子威布尔大偏差从平均值。这些界限是新的,并改善现有的界限与尖锐的常数。此外,如果斜体,则应保留新的子威布尔参数。请检查全文。也提出了,这使得恢复紧浓度不等式的随机变量(向量)。在统计应用方面,当重尾协变量服从稀疏结构的次威布尔分布时,我们给出了负二项回归系数估计的一个$\ell_2$ -误差,这是负二项回归的一个新结果.在应用随机矩阵时,我们得到了具有指数尾界的次威布尔项的白音定理的非渐近形式。最后,通过证明不带二阶矩条件的对数截尾Z-估计的次Weibull置信区域,讨论并定义了不带指数矩条件的独立观测值$\{X_i\}_{i=1}^{n}$的次Weibull型稳健估计.
2022-06-26 math.PR math.ST stat.ML
A Sharp Lower-tail Bound for Gaussian Maxima with Application to Bootstrap Methods in High Dimensions
虽然有大量的文献对高斯过程的最大值,有相对较少的非渐近界的下尾概率。本文的目的是开发这样一个界限,同时也允许许多类型的依赖。令$(ξ_1,\dots,ξ_N)$是具有标准化条目的中心高斯向量,其相关阵$R$对于某个常数$ρ_0\in (0,1)$满足$\max_{i\neq j} R_{ij}\leq ρ_0$。然后,对于任何$ε_0\in(0,\sqrt{1-ρ_0})$,我们建立一个上界的概率$\mathbb{P}(\max_{1\leq j\leq N} ξ_j\leq ε_0\sqrt{2\log(N)})$在$(ρ_0,ε_0,N)$。该界限也是尖锐的,在这个意义上,它是达到一个常数,独立于$N$。接下来,我们将这一结果应用于高维统计的背景下,在那里我们简化和削弱最近被用来建立近参数率的自助近似的条件。最后,这个应用程序的一个有趣的方面是,它利用了Bourgain和Tzafriri的“限制可逆性原则”的最新改进。
2021-12-01 math.PR math.ST stat.TH
Matrix Chaos Inequalities and Chaos of Combinatorial Type
本文针对元素为独立随机变量多项式的矩阵混沌模型,提出了基于系数展平的通用矩阵集中不等式,并识别了展平参数可机械计算的组合型混沌,为图矩阵等应用提供了统一处理与改进的界限。
2025-03-31 cs.CC math.FA math.PR
Singularity of biased discrete random matrix
Shandong University(山东大学)
本研究通过结合组合、几何和概率技术,推导了偏置离散随机矩阵的奇异概率界,并揭示了零列或线性相关列对是导致奇异性的主导原因。
2025-12-11 math.PR
Concentration of permanent estimators for certain large matrices
设A_n=(a_{ij})_{i,j=1}^n是n阶\times n正矩阵,元素在[a,b]中,0<a \le b.设X_n=(\sqrta_{ij} x_{ij})_{i,j=1}^n是随机矩阵,其中{ x_{ij} }是独立同分布的. N(0,1)个随机变量。我们证明了当n较大时,\det(X_n^TX_n)在n^{-1} \log(\det(X_n^TX_n)/perA_n)\to_{n\to\infty}概率为0的意义下,在A_n的积和式上有明显的集中.
2004-07-08 math.PR
Large deviations of the spectral radius of iid subgaussian random matrices
Massachusetts Institute of Technology(麻省理工学院)
研究独立同分布次高斯随机矩阵谱半径的大偏差,证明上尾指数速率及下尾二次速度界,并给出完整大偏差原理。
2026-10-12 math.PR
On generic chaining and the smallest singular value of random matrices with heavy tails
我们提出了一个非常一般的链接方法,它允许一个控制的经验过程$\sup_{h \in H} |N^{-1}\sum_{i=1}^N h^2(X_i)-\E h^2|$的上确界在相当一般的情况下。我们使用这种方法建立两个主要结果。首先,一个定量(非渐近)版本的经典白音定理的奇异值的随机矩阵的i.i.d的项目,有沉重的尾巴,第二,尖锐的估计二次经验过程时,$H=\{\inr{t,\cdot} : t \in T\}$,$T \subset \R^n$和$μ$是一个各向同性的,无条件的,对数凹措施。
2011-08-19 math.PR
On the smallest singular value of the product of random and deterministic matrices
University of Washington(华盛顿大学);Georgia Institute of Technology(佐治亚理工学院)
研究随机矩阵\(A\)与确定性矩阵\(M\)乘积的最小奇异值,通过对随机矩阵元素条件设定,证明存在依赖\(K\)和\(\kappa\)的常数使相关概率不等式成立,高斯情形下该估计精确。
2026-07-09 math.PR
Edge Universality for Inhomogeneous Random Matrices
University of Science and Technology of China(中国科学技术大学);University of California, Irvine(加州大学尔湾分校)
本文提出短到长混合条件,将非齐次随机矩阵的边缘普适性问题归结为方差剖面矩阵驱动的随机游走混合性质验证,并在一系列高度非齐次、稀疏及超越平均场设定的随机矩阵系综中建立了 GOE/GUE 边缘普适性。
2025-11-11 math-ph math.MP math.PR
Large deviations for extreme eigenvalues of deformed Wigner random matrices
给出了加性变形Wigner矩阵最大特征值的N速大偏差原理。特别是,这包括具有满秩一般变形的高斯系综。对于非高斯系综,变形应该是对角的,我们假设项的定律具有尖锐的亚高斯拉普拉斯变换,并满足一定的浓度性质。对于后者的系综,我们建立了一个有限范围内的大偏差原理$(-\infty, x_c)$,其中$x_c$只取决于变形,可以是无限的。
2019-12-11 math.PR
On the spectral norm of Gaussian random matrices
令$X$是具有独立但不相同分布的高斯元素的$d\times d$对称随机矩阵。它已证明了由Lataiti {a}的谱范数的$X$总是相同的顺序作为最大的欧几里德范数的行。这个猜想的一个积极的决议将提供一个敏锐的理解概率机制,控制谱范数的非齐次高斯随机矩阵。本文建立了关于$\sqrt{\log\log d}$阶维数因子的猜想.此外,无量纲的界限是最佳的领导秩序,并建立在特殊情况下的猜想。这些结果的证明揭示了潜在的高斯过程的几何意义。
2016-02-22 math.FA math.MG math.PR
The smallest singular value of heavy-tailed not necessarily i.i.d. random matrices via random rounding
研究了随机矩阵最小奇异值的小球行为。通常,建立这样的结果涉及,在某种程度上,单位球的离散化。这需要对矩阵的范数有界,而后者的界需要对元素分布的强假设,如有界四阶矩(弱估计),亚高斯尾(强估计),以及结构假设,如均值零和方差一。最近,Rebrova和Tikhomirov开发了一种离散化程序,它不依赖于强尾假设的条目。然而,他们的论证仍然需要均值为零、方差为1的结构性假设。条目在本文中,我们讨论了一个有效的离散化的单位球,它的工作指数高概率,不需要任何这样的结构假设,而且,不需要独立的行的矩阵。我们证明了存在的网络附近的球,比较值的任何(确定性)随机矩阵的球和通过正规化的希尔伯特-施密特规范,我们介绍的网络。这种细化是平均的一种形式,并且具有强的大偏差特性。作为结果,我们证明了尖锐的小球估计的最小奇异值的平方随机矩阵在温和的假设下,和随机矩阵的任意纵横比。
2021-11-18 math.AP math.MG math.PR
On $r$-to-$p$ norms of random matrices with nonnegative entries: Asymptotic normality and $\ell_\infty$-bounds for the maximizer
本文研究非负元素对称随机矩阵的 $r\to p$ 范数,建立了其渐近正态性及最大化向量的 $\ell_\infty$ 稳定性界,推广了 Füredi-Komlós 关于最大奇异值的结果,并提出了新的非线性幂法分析。
2024-03-15 math.CO math.PR
Exact minimax risk for linear least squares, and the lower tail of sample covariance matrices
我们考虑随机设计线性预测及随机矩阵下尾的相关问题。已知在有界性约束下,极小极大风险在$n$样本的维度$d$上是$d/n$阶的。在这里,我们研究了全线性类上的极大极小期望超额风险,这取决于协变量的分布。首先,对于协变量的每个分布,最小二乘估计量在良好指定的情况下都是极小极大最优的。我们用单个样本的统计杠杆得分的分布来表示极大极小风险,并推导出对于任何协变量分布的$d/(n-d+1)$的极大下界,几乎与高斯设计的风险相匹配。然后,我们得到尖锐的非渐近上界协变量,满足“小球”型正则性条件,在指定和错误的情况下。我们的主要技术贡献是研究经验协方差阵在小值时的最小奇异值的下尾。我们建立了一个下界在这个较低的尾部,有效的任何分布在尺寸$d \geq 2$,连同一个匹配的上界在一个必要的正则性条件。我们的证明依赖于PAC贝叶斯技术控制经验过程,并扩展了奥利维拉致力于下尾的不同部分的分析。
2022-02-24 math.PR math.ST stat.ML
Random band matrices in the delocalized phase, II: Generalized resolvent estimates
这是带状矩阵的离域化的三部分系列的第二部分。在本文中,我们考虑了一般类的$N\times N$随机带状矩阵$H=(H_{ij})$,其元素是中心随机变量,独立的对称约束。我们假设方差$\mathbb E |H_{ij}|^2$形成具有典型带宽$1\ll W\ll N$的带矩阵。我们考虑$H$的广义预解式定义为$G(Z):=(H - Z)^{-1}$,其中$Z$是确定性对角矩阵,使得$Z_{ij}=\left(z 1_{1\leq i \leq W}+\widetilde z 1_{ i > W} \right) δ_{ij}$,具有两个不同的谱参数$z\in \mathbb C_+:=\{z\in \mathbb C:{\rm Im} z>0\}$和$\widetilde z\in \mathbb C_+\cup \mathbb R$。本文证明了$W\gg N^{3/4}$的广义预解式$G$的局部律的一个精确界.这个界是\cite{PartI}中随机带状矩阵的离域性和批量普适性证明的关键输入。我们的证明依赖于波动平均约束的某些平均多项式的预解项,这将证明在\cite{PartIII}。
2018-07-04 math-ph math.MP math.PR
Sample canonical correlation coefficients of high-dimensional random vectors with finite rank correlations
考虑形式为$\widetilde{\mathbf x}=A\mathbf z+\mathbf C_1^{1/2}\mathbf x$和$\widetilde{\mathbf y}=B\mathbf z+\mathbf C_2^{1/2}\mathbf y$的两个随机向量$\widetilde{\mathbf x} \in \mathbb R^p$和$\widetilde{\mathbf y} \in \mathbb R^q$,其中$\mathbf x\in \mathbb R^p$、$\mathbf y\in \mathbb R^q$和$\mathbf z\in \mathbb R^r$是独立向量,i.i.d.平均值0和方差1的条目,$\mathbf C_1$和$\mathbf C_2$是$p \times p$和$q\times q$确定性协方差矩阵,$A$和$B$是$p\times r$和$q\times r$确定性矩阵。利用$(\widetilde{\mathbf x},\widetilde{\mathbf y})$的$n$独立观测值,研究了$\widetilde{\mathbf x} $和$\widetilde{\mathbf y}$之间的样本典型相关.我们考虑有限秩相关的高维设置。令$t_1\ge t_2 \ge \cdots\ge t_r$为非平凡总体典型相关系数的平方…
2022-06-11 math.PR
Almost sharp covariance and Wishart-type matrix estimation
本文研究具有一般方差分布的独立高斯向量的 Wishart 型协方差矩阵偏差,利用矩方法和关键形状结构分析建立近乎精确的期望算子范数界,并用实例与匹配下界说明改进。
2023-07-18 math.PR math.ST stat.TH
Extremal spectral behavior of weighted random $d$-regular graphs
本文研究带随机边权重的随机 $d$-正则图,刻画极值谱随边权尾部的相变,并证明极值特征向量局部化。
2023-06-06 cs.DM math.CO math.PR
The Discrepancy of Random Rectangular Matrices
贝克-菲亚拉猜想是组合数学中的一个基本问题,最近的一种方法是理解随机整数矩阵何时具有常数差异。我们给出了一个完整的答案,这个问题的两个自然模型:矩阵与伯努利或泊松条目。对于泊松矩阵,我们进一步描述了任何矩形长宽比的差异。这些结果为Hoberg和Rothvoss(SODA 2019)以及Franks和Saks(Random Structures Algorithms 2020)的问题提供了尖锐的答案。我们的主要工具是一个条件二阶矩方法结合斯坦的方法交换对。虽然以前的方法仅限于稠密矩阵,但我们的技术允许我们处理所有密度的矩阵。这可能是其他稀疏随机约束满足问题的独立利益。
2021-08-13 cs.DM math.CO math.PR
Almost Sharp Equivalence between Approximate Message Passing and Low-Degree Polynomials
School of Mathematical Sciences, Peking University(北京大学数学科学学院)
本文证明高斯植入子矩阵模型中增长次数多项式估计的尖锐下界,与贝叶斯AMP误差匹配,解决伯努利秩一情形的AMP等价性问题。
2026-10-19 cs.DS math.PR math.ST