基于扩散器抽样的可列举可解线性回归
机器学习
2025-12-01 v1 离散数学
摘要
我们提出一种基于扩散器抽样框架，用于可列举可解的线性回归，实现样本复杂度 、列举大小 ，以及接近输入稀疏性运行时间 ，在标准子高斯假设下。我们的 метод使用无损扩散器来合成轻度受污染的批量数据，从而实现稳健的聚合和简短的谱过滤阶段，该阶段在匹配最佳已知高效保证的同时，避免了 SoS 机制和显式批量结构。
引用
@article{arxiv.2511.22524,
title = {List-Decodable Regression via Expander Sketching},
author = {Herbod Pourali and Sajjad Hashemian and Ebrahim Ardeshir-Larijani},
journal= {arXiv preprint arXiv:2511.22524},
year = {2025}
}