Beyond Negative-Ridge Endpoints: Mixed-Sign Spectral Regularization via Negative-Shifted Gradient Descent
超越负岭端点：经负移梯度下降的混合符号谱正则化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论过参数化线性回归的谱正则化与梯度下降理论，属于高维统计与机器学习理论，未涉及所提供微观、宏观或金融计量细分领域的文本依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
超越负岭端点：经负移梯度下降的混合符号谱正则化
- 研究问题
- 研究过参数化线性回归中弱谱方向的正则化问题：负岭虽能校正隐式惩罚，但其稳定端点受最小非零经验特征值约束且对小特征值反收缩更强，摘要称作者要寻找能突破该结构限制的替代路径。
- 方法与思路
- 作者提出早停的负移梯度下降，其滤波在原本极点处平滑且可具混合符号；在高斯尖峰加平坦模型下分析其风险，并用局部化 Duhamel 积分处理非收缩的移位动态，再以有限网格留出不等式把分离性传递到验证集选出的算法。
- 材料陈述的贡献
- 摘要称发现 Marchenko-Pastur 屏障：抵消隐式惩罚的移位比最小经验特征值高出一个体宽；在显式条件下，早停路径以风险的多项式因子优于每个可行端点。主定理允许一般高有效秩尾部，其迹决定隐式下限、平方谱控制暴露，下限临界路径可同时恢复所有头部尺度。
- 阅读关注点
- 应核对负移梯度下降的精确定义与早停规则、混合符号滤波的构造、Marchenko-Pastur 屏障与多项式改进所依赖的显式条件、主定理对高有效秩尾部的假设，以及有限网格留出不等式如何保证验证集选择的有效性。
- 阅读边界
- 仅依据 arXiv 预印本摘要，未读全文；不能据此声称已同行评审或期刊接收。摘要未说明具体证明细节、数值实验、模拟或真实数据表现，也未给出与其他方法的完整比较。
原文摘要
In overparameterized linear regression, many weak spectral directions act like a ridge penalty on the signal-bearing spectrum; negative ridge is the natural correction, pushing filters above one. The stable negative-ridge endpoint, however, is structurally limited: its pole must stay below the smallest nonzero empirical eigenvalue, and it anti-shrinks smaller eigenvalues more than larger ones. Early-stopped negative-shifted gradient descent escapes this constraint. Its filter is smooth at the would-be pole and mixed-sign-capable: above-ridgeless directions form a leading prefix, with lower directions shrunk or exposure-controlled while stopping sets the crossover. In a Gaussian spike-plus-flat model we discover a Marchenko-Pastur barrier: the shift that cancels the implicit penalty lies a bulk width above the smallest empirical eigenvalue, and the stopped path improves on every admissible endpoint by a polynomial factor in risk under explicit conditions. Our main theorem permits a general high-effective-rank tail: its trace sets the implicit floor, its squared spectrum controls exposure, and the floor-critical path recovers all head scales at once, beyond positive shrinkage and, once scales separate, every uniform rescaling of ridgeless. Handling the noncontractive shifted dynamics is the central technical challenge; localized Duhamel integrals control them. A finite-grid hold-out inequality transfers the separations to the validation-selected algorithm.