Newest papers

Dimension-free regimes for unadjusted Langevin in ridge-separable models: A subspace robust Wasserstein analysis

Yuansi Chen, Francesco Pedrotti, Peter A. Whalley · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31431 · open-access PDF

Vietnamese

Algorithm Langevin không điều chỉnh (ULA) được sử dụng rộng rãi cho kết luận Bayesian chiều cao. Phân tích cổ điển trong khoảng cách Wasserstein-2 dự đoán một sự thiên vị không đối xứng và thời gian pha trộn mà tăng lên với kích thước, nhưng chỉ số này mạnh hơn là cần thiết cho nhiều nhiệm vụ thống kê. Thay vào đó, chúng tôi phân tích sự thiên vị trong khoảng cách Wasserstein không gian phụ mạnh mẽ, điều này kiểm soát các biên độ chiều thấp trung bình và tùy ý và do đó phù hợp với các vật quan quan sát thường được ước tính trong thực tế. Đối với tiềm năng tách ranh được hình thành với dữ liệu i.i.d, chúng tôi chứng minh ranh giới xác suất cao cho thấy một bell-sha

Machine translation (Meta M2M100); the English original follows.

Abstract

The Unadjusted Langevin Algorithm (ULA) is widely used for high-dimensional Bayesian inference. Classical analyses in Wasserstein-2 distance predict an asymptotic bias and a mixing time that grow with dimension, but this metric is stronger than necessary for many statistical tasks. We instead analyze the bias in subspace robust Wasserstein distance, which controls the mean and arbitrary low-dimensional marginals and is therefore well suited to observables typically estimated in practice. For ridge-separable potentials formed with i.i.d. data, we prove high-probability bounds showing a bell-sha

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange