Buchumschlag

A unified construction for series representations and finite approximations of completely random measures

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Juho, Miscouridou, Xenia, Caron, François
Format:	Preprint
Veröffentlicht:	2019
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Posterior concentration in spatio-temporal Hawkes processes
von: Miscouridou, Xenia, et al.
Veröffentlicht: (2026)

Exchangeable Random Measures for Sparse and Modular Graphs with Overlapping Communities
von: Todeschini, Adrien, et al.
Veröffentlicht: (2016)

Sparse graphs using exchangeable random measures
von: Caron, François, et al.
Veröffentlicht: (2014)

Rapidly Varying Completely Random Measures for Modeling Extremely Sparse Networks
von: Kilian, Valentin, et al.
Veröffentlicht: (2025)

Anytime-valid, Bayes-assisted, Prediction-Powered Inference
von: Kilian, Valentin, et al.
Veröffentlicht: (2025)

Smoothed SGD for quantiles: Bahadur representation and Gaussian approximation
von: Chen, Likai, et al.
Veröffentlicht: (2025)

On the best approximation by finite Gaussian mixtures
von: Ma, Yun, et al.
Veröffentlicht: (2024)

The Normal-Generalised Gamma-Pareto process: A novel pure-jump Lévy process with flexible tail and jump-activity properties
von: Ayed, Fadhel, et al.
Veröffentlicht: (2020)

Beyond identifiability: Learning causal representations with few environments and finite samples
von: Lee, Inbeom, et al.
Veröffentlicht: (2026)

A distribution-free valid p-value for finite samples of bounded random variables
von: Alvarez, Joaquin
Veröffentlicht: (2024)

Gaussian random field approximation via Stein's method with applications to wide random neural networks
von: Balasubramanian, Krishnakumar, et al.
Veröffentlicht: (2023)

Towards a unified framework for guided diffusion models
von: Jiao, Yuchen, et al.
Veröffentlicht: (2025)

A unified recipe for deriving (time-uniform) PAC-Bayes bounds
von: Chugg, Ben, et al.
Veröffentlicht: (2023)

Deep neural networks with dependent weights: Gaussian Process mixture limit, heavy tails, sparsity and compressibility
von: Lee, Hoil, et al.
Veröffentlicht: (2022)

Low-rank matrix completion and denoising under Poisson noise
von: McRae, Andrew D., et al.
Veröffentlicht: (2019)

Meta-Learning and representation learner: A short theoretical note
von: Bouchattaoui, Mouad El
Veröffentlicht: (2024)

Sharp Gaussian approximations for Decentralized Federated Learning
von: Bonnerjee, Soham, et al.
Veröffentlicht: (2025)

Adaptive sparse variational approximations for Gaussian process regression
von: Nieman, Dennis, et al.
Veröffentlicht: (2025)

Dimension lower bounds for linear approaches to function approximation
von: Hsu, Daniel
Veröffentlicht: (2025)

Is completeness necessary? Estimation in nonidentified linear models
von: Babii, Andrii, et al.
Veröffentlicht: (2017)

Compressed Empirical Measures (in finite dimensions)
von: Grünewälder, Steffen
Veröffentlicht: (2022)

Sliced gradient-enhanced Kriging for high-dimensional function approximation
von: Cheng, Kai, et al.
Veröffentlicht: (2022)

Sample efficient inductive matrix completion with noise and inexact side information
von: Yang, Yuepeng, et al.
Veröffentlicht: (2026)

Augmented transfer regression learning for completely missing covariates
von: Zhao, Huali, et al.
Veröffentlicht: (2026)

Consistent estimation of generative model representations in the data kernel perspective space
von: Acharyya, Aranyak, et al.
Veröffentlicht: (2024)

How well behaved is finite dimensional Diffusion Maps?
von: Bo, Wenyu, et al.
Veröffentlicht: (2024)

Contraction rates for conjugate gradient and Lanczos approximate posteriors in Gaussian process regression
von: Stankewitz, Bernhard, et al.
Veröffentlicht: (2024)

Rescuing double robustness: safe estimation under complete misspecification
von: Testa, Lorenzo, et al.
Veröffentlicht: (2025)

Matching correlated VAR time series
von: Araya, Ernesto, et al.
Veröffentlicht: (2025)

Simultaneous analysis of approximate leave-one-out cross-validation and mean-field inference
von: Bellec, Pierre C
Veröffentlicht: (2025)

A Fourier representation of kernel Stein discrepancy with application to Goodness-of-Fit tests for measures on infinite dimensional Hilbert spaces
von: Wynne, George, et al.
Veröffentlicht: (2022)

Probably approximately correct high-dimensional causal effect estimation given a valid adjustment set
von: Choo, Davin, et al.
Veröffentlicht: (2024)

Two-Sided Nearest Neighbors: An adaptive and minimax optimal procedure for matrix completion
von: Sadhukhan, Tathagata, et al.
Veröffentlicht: (2024)

Adaptive deep learning for nonlinear time series models
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2022)

The loss landscape of deep linear neural networks: a second-order analysis
von: Achour, El Mehdi, et al.
Veröffentlicht: (2021)

Concept Reachability in Diffusion Models: Beyond Dataset Constraints
von: Rodriguez, Marta Aparicio, et al.
Veröffentlicht: (2025)

The curse of overparametrization in adversarial training: Precise analysis of robust generalization for random features regression
von: Hassani, Hamed, et al.
Veröffentlicht: (2022)

Predictive inference for time series: why is split conformal effective despite temporal dependence?
von: Barber, Rina Foygel, et al.
Veröffentlicht: (2025)

Adaptive finite element type decomposition of Gaussian processes
von: Kim, Jaehoan, et al.
Veröffentlicht: (2025)

When does Gaussian equivalence fail and how to fix it: Non-universal behavior of random features with quadratic scaling
von: Wen, Garrett G., et al.
Veröffentlicht: (2025)