Buchumschlag

Probability-Generating Function Kernels for Spherical Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Papamarkou, Theodore, Lindo, Alexey
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model-agnostic variable importance for predictive uncertainty: an entropy-based approach
von: Wood, Danny, et al.
Veröffentlicht: (2023)

Spatial-Aware Decision-Making with Ring Attractors in Reinforcement Learning Systems
von: Saura, Marcos Negre, et al.
Veröffentlicht: (2024)

Connecting the Dots: Is Mode-Connectedness the Key to Feasible Sample-Based Inference in Bayesian Neural Networks?
von: Sommer, Emanuel, et al.
Veröffentlicht: (2024)

TopoU-Net: a U-Net architecture for topological domains
von: Gaurav, Gaurav, et al.
Veröffentlicht: (2026)

The Human Brain as a Combinatorial Complex
von: Sánchez, Valentina, et al.
Veröffentlicht: (2025)

Generalized Spherical Neural Operators: Green's Function Formulation
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Bayesian Kernel Regression for Functional Data
von: Kusaba, Minoru, et al.
Veröffentlicht: (2025)

Truncated Kernel Stochastic Gradient Descent with General Losses and Spherical Radial Basis Functions
von: Bai, Jinhui, et al.
Veröffentlicht: (2025)

Colored Markov polycategories and diagrammatic differentiation
von: Papamarkou, Theodore
Veröffentlicht: (2026)

Kernel Quantile Embeddings and Associated Probability Metrics
von: Naslidnyk, Masha, et al.
Veröffentlicht: (2025)

Beyond Attention: True Adaptive World Models via Spherical Kernel Operator
von: Khasia, Vladimer
Veröffentlicht: (2026)

SLAY: Geometry-Aware Spherical Linearized Attention with Yat-Kernel
von: Luna, Jose Miguel, et al.
Veröffentlicht: (2026)

New Bounds for Kernel Sums via Fast Spherical Embeddings
von: Wagner, Tal
Veröffentlicht: (2026)

Combinatorial Complexes: Bridging the Gap Between Cell Complexes and Hypergraphs
von: Hajij, Mustafa, et al.
Veröffentlicht: (2023)

Linear Transformers with Learnable Kernel Functions are Better In-Context Models
von: Aksenov, Yaroslav, et al.
Veröffentlicht: (2024)

Copresheaf Topological Neural Networks: A Generalized Deep Learning Framework
von: Hajij, Mustafa, et al.
Veröffentlicht: (2025)

Kernel-Based Ensemble Gaussian Mixture Probability Hypothesis Density Filter
von: Durant, Dalton, et al.
Veröffentlicht: (2025)

The Costs of Pretending That There Are Data-Generating Probability Distributions in the Social World
von: Höltgen, Benedikt, et al.
Veröffentlicht: (2024)

A Typed Tensor Language for Federated Learning
von: Mailis, Theofilos, et al.
Veröffentlicht: (2026)

Efficient Neural Controlled Differential Equations via Attentive Kernel Smoothing
von: Serov, Egor, et al.
Veröffentlicht: (2026)

Spherical Analysis of Learning Nonlinear Functionals
von: Yang, Zhenyu, et al.
Veröffentlicht: (2024)

Breaking Data Symmetry is Needed For Generalization in Feature Learning Kernels
von: Bernal, Marcel Tomàs, et al.
Veröffentlicht: (2026)

Leveraging Unlabeled Data Sharing through Kernel Function Approximation in Offline Reinforcement Learning
von: Lai, Yen-Ru, et al.
Veröffentlicht: (2024)

Extending Kernel Trick to Influence Functions
von: Sun, Zhenhuan, et al.
Veröffentlicht: (2026)

Hybrid Neural Representations for Spherical Data
von: Kim, Hyomin, et al.
Veröffentlicht: (2024)

Spherical Flows for Sampling Categorical Data
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2026)

Linear Spherical Sliced Optimal Transport: A Fast Metric for Comparing Spherical Data
von: Liu, Xinran, et al.
Veröffentlicht: (2024)

CKGAN: Training Generative Adversarial Networks Using Characteristic Kernel Integral Probability Metrics
von: Zhang, Kuntian, et al.
Veröffentlicht: (2025)

Function Fitting Based on Kolmogorov-Arnold Theorem and Kernel Functions
von: Liu, Jianpeng, et al.
Veröffentlicht: (2025)

Probability-Flow ODE in Infinite-Dimensional Function Spaces
von: Na, Kunwoo, et al.
Veröffentlicht: (2025)

Centrality Estimators for Probability Density Functions
von: Ziou, Djemel
Veröffentlicht: (2024)

TabKDE: Simple and Scalable Tabular Data Generation with Kernel Density Estimates
von: Alishahi, Meysam, et al.
Veröffentlicht: (2026)

Generalization Bound of Gradient Flow through Training Trajectory and Data-dependent Kernel
von: Chen, Yilan, et al.
Veröffentlicht: (2025)

Fast Ergodic Search with Kernel Functions
von: Sun, Max Muchen, et al.
Veröffentlicht: (2024)

Fast Causal Discovery by Approximate Kernel-based Generalized Score Functions with Linear Computational Complexity
von: Ren, Yixin, et al.
Veröffentlicht: (2024)

Generative Kernel Spectral Clustering
von: Winant, David, et al.
Veröffentlicht: (2025)

BOOST: A Data-Driven Framework for the Automated Joint Selection of Kernel and Acquisition Functions in Bayesian Optimization
von: Park, Joon-Hyun, et al.
Veröffentlicht: (2025)

ReLU Networks as Random Functions: Their Distribution in Probability Space
von: Chaudhari, Shreyas, et al.
Veröffentlicht: (2025)

On the Intrinsic Dimensions of Data in Kernel Learning
von: Takhanov, Rustem
Veröffentlicht: (2026)

Unveiling High-Probability Generalization in Decentralized SGD
von: Wang, Jiahuan, et al.
Veröffentlicht: (2026)