Copertina

Targeted Separation and Convergence with Kernel Discrepancies

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Barp, Alessandro, Simon-Gabriel, Carl-Johann, Girolami, Mark, Mackey, Lester
Natura:	Preprint
Pubblicazione:	2022
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Controlling Moments with Kernel Stein Discrepancies
di: Kanagawa, Heishiro, et al.
Pubblicazione: (2022)

Generalized Kernel Thinning
di: Dwivedi, Raaz, et al.
Pubblicazione: (2021)

Kernel Thinning
di: Dwivedi, Raaz, et al.
Pubblicazione: (2021)

Compress Then Test: Powerful Kernel Testing in Near-linear Time
di: Domingo-Enrich, Carles, et al.
Pubblicazione: (2023)

It's Hard to Be Normal: The Impact of Noise on Structure-agnostic Estimation
di: Jin, Jikai, et al.
Pubblicazione: (2025)

Probabilistic Inference and Learning with Stein's Method
di: Liu, Qiang, et al.
Pubblicazione: (2026)

Kernel Two-Sample Tests in High Dimension: Interplay Between Moment Discrepancy and Dimension-and-Sample Orders
di: Yan, Jian, et al.
Pubblicazione: (2021)

Statistical Convergence of Spherical First Hitting Diffusion Models
di: Bienewald, Simon, et al.
Pubblicazione: (2026)

Eigen-Spike Emergence and Quadratic Equivalents for Conjugate Kernels on Nonlinearly Separable Data
di: Cranston, Collin, et al.
Pubblicazione: (2026)

Low-Rank Thinning
di: Carrell, Annabelle Michael, et al.
Pubblicazione: (2025)

Convergence of Dirichlet Forms for MCMC Optimal Scaling with Dependent Target Distributions on Large Graphs
di: Ning, Ning
Pubblicazione: (2022)

Uniform Kernel Prober
di: Mukherjee, Soumya, et al.
Pubblicazione: (2025)

Supervised Kernel Thinning
di: Gong, Albert, et al.
Pubblicazione: (2024)

Random Features for Operator-Valued Kernels: Bridging Kernel Methods and Neural Operators
di: Nguyen, Mike, et al.
Pubblicazione: (2026)

A Pure Hypothesis Test for Inhomogeneous Random Graph Models Based on a Kernelised Stein Discrepancy
di: Fatima, Anum, et al.
Pubblicazione: (2025)

Kernel Ridge Regression Inference
di: Singh, Rahul, et al.
Pubblicazione: (2023)

Maximum Mean Discrepancy with Unequal Sample Sizes via Generalized U-Statistics
di: Wei, Aaron, et al.
Pubblicazione: (2025)

Universality of Kernel Random Matrices and Kernel Regression in the Quadratic Regime
di: Pandit, Parthe, et al.
Pubblicazione: (2024)

Variance-Aware Estimation of Kernel Mean Embedding
di: Wolfer, Geoffrey, et al.
Pubblicazione: (2022)

On the Limitation of Kernel Dependence Maximization for Feature Selection
di: Liu, Keli, et al.
Pubblicazione: (2024)

Kernel Two-Sample Tests for Manifold Data
di: Cheng, Xiuyuan, et al.
Pubblicazione: (2021)

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

Pseudo-Labeling for Unsupervised Domain Adaptation with Kernel GLMs
di: Weill, Nathan, et al.
Pubblicazione: (2026)

Improving Kernel-Based Nonasymptotic Simultaneous Confidence Bands
di: Csáji, Balázs Csanád, et al.
Pubblicazione: (2024)

Optimal Confidence Band for Kernel Gradient Flow Estimator
di: Cheng, Yuqian, et al.
Pubblicazione: (2026)

Kernel-based Optimally Weighted Conformal Time-Series Prediction
di: Lee, Jonghyeok, et al.
Pubblicazione: (2024)

Wasserstein Convergence of Critically Damped Langevin Diffusions
di: Strasman, Stanislas, et al.
Pubblicazione: (2025)

Optimal Convergence Analysis of DDPM for General Distributions
di: Jiao, Yuchen, et al.
Pubblicazione: (2025)

Sequential Kernelized Independence Testing
di: Podkopaev, Aleksandr, et al.
Pubblicazione: (2022)

Nyström Kernel Stein Discrepancy
di: Kalinke, Florian, et al.
Pubblicazione: (2024)

A Uniform Concentration Inequality for Kernel-Based Two-Sample Statistics
di: Ni, Yijin, et al.
Pubblicazione: (2024)

Kernel Debiased Plug-in Estimation based on the Universal Least Favorable Submodel
di: Chen, Haiyi, et al.
Pubblicazione: (2026)

Linear Convergence of Diffusion Models Under the Manifold Hypothesis
di: Potaptchik, Peter, et al.
Pubblicazione: (2024)

Convergence of Statistical Estimators via Mutual Information Bounds
di: Khribch, El Mahdi, et al.
Pubblicazione: (2024)

Simplicity Bias via Global Convergence of Sharpness Minimization
di: Gatmiry, Khashayar, et al.
Pubblicazione: (2024)

On Linear Separation Capacity of Self-Supervised Representation Learning
di: Wang, Shulei
Pubblicazione: (2023)

On the Robustness of Kernel Goodness-of-Fit Tests
di: Liu, Xing, et al.
Pubblicazione: (2024)

Convergence of Diffusion Models Under the Manifold Hypothesis in High-Dimensions
di: Azangulov, Iskander, et al.
Pubblicazione: (2024)

Approximation of Maximally Monotone Operators : A Graph Convergence Perspective
di: Furuya, Takashi, et al.
Pubblicazione: (2026)

Computational-Statistical Trade-off in Kernel Two-Sample Testing with Random Fourier Features
di: Choi, Ikjun, et al.
Pubblicazione: (2024)