Buchumschlag

On Neural Networks as Infinite Tree-Structured Probabilistic Graphical Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Boyao, Thomson, Alexander J., Nassif, Houssam, Engelhard, Matthew M., Page, David
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Balancing Interpretability and Flexibility in Modeling Diagnostic Trajectories with an Embedded Neural Hawkes Process Model
von: Zhao, Yuankang, et al.
Veröffentlicht: (2025)

Probabilistic Graphical Model using Graph Neural Networks for Bayesian Inversion of Discrete Structural Component States
von: Li, Teng, et al.
Veröffentlicht: (2026)

Infinite hierarchical contrastive clustering for personal digital envirotyping
von: Huang, Ya-Yun, et al.
Veröffentlicht: (2025)

Interval-Based AUC (iAUC): Extending ROC Analysis to Uncertainty-Aware Classification
von: Li, Yuqi, et al.
Veröffentlicht: (2026)

Probabilistic Graphical Models: A Concise Tutorial
von: Maasch, Jacqueline, et al.
Veröffentlicht: (2025)

Rational Tuning of LLM Cascades via Probabilistic Modeling
von: Zellinger, Michael J., et al.
Veröffentlicht: (2025)

Borrowing From the Future: Enhancing Early Risk Assessment through Contrastive Learning
von: Sun, Minghui, et al.
Veröffentlicht: (2025)

CLEAR: Unlearning Spurious Style-Content Associations with Contrastive LEarning with Anti-contrastive Regularization
von: Sun, Minghui, et al.
Veröffentlicht: (2025)

How do Probabilistic Graphical Models and Graph Neural Networks Look at Network Data?
von: Lapenna, Michela, et al.
Veröffentlicht: (2025)

Best of Three Worlds: Adaptive Experimentation for Digital Marketing in Practice
von: Fiez, Tanner, et al.
Veröffentlicht: (2024)

Knowledge-Aided Semantic Communication Leveraging Probabilistic Graphical Modeling
von: Wan, Haowen, et al.
Veröffentlicht: (2024)

Fast-PGM: Fast Probabilistic Graphical Model Learning and Inference
von: Jiang, Jiantong, et al.
Veröffentlicht: (2024)

Addressing Class Imbalance with Probabilistic Graphical Models and Variational Inference
von: Lou, Yujia, et al.
Veröffentlicht: (2025)

Multimodal Training to Unimodal Deployment: Leveraging Unstructured Data During Training to Optimize Structured Data Only Deployment
von: Wang, Zigui, et al.
Veröffentlicht: (2026)

Probabilistic Multilabel Graphical Modelling of Motif Transformations in Symbolic Music
von: Taieb, Ron, et al.
Veröffentlicht: (2026)

Probabilistic Functional Neural Networks
von: Wang, Haixu, et al.
Veröffentlicht: (2025)

MALADE: Orchestration of LLM-powered Agents with Retrieval Augmented Generation for Pharmacovigilance
von: Choi, Jihye, et al.
Veröffentlicht: (2024)

SGM-PINN: Sampling Graphical Models for Faster Training of Physics-Informed Neural Networks
von: Anticev, John, et al.
Veröffentlicht: (2024)

Learning to Guide Local Search for MPE Inference in Probabilistic Graphical Models
von: Malhotra, Brij, et al.
Veröffentlicht: (2026)

Covariate-dependent Graphical Model Estimation via Neural Networks with Statistical Guarantees
von: Lin, Jiahe, et al.
Veröffentlicht: (2025)

Flexible Infinite-Width Graph Convolutional Neural Networks
von: Anson, Ben, et al.
Veröffentlicht: (2024)

Infinite Width Limits of Self Supervised Neural Networks
von: Fleissner, Maximilian, et al.
Veröffentlicht: (2024)

Federated Learning with Neural Graphical Models
von: Chajewska, Urszula, et al.
Veröffentlicht: (2023)

Adaptive Variational Inference in Probabilistic Graphical Models: Beyond Bethe, Tree-Reweighted, and Convex Free Energies
von: Leisenberger, Harald, et al.
Veröffentlicht: (2025)

Fixed Budget is No Harder Than Fixed Confidence in Best-Arm Identification up to Logarithmic Factors
von: Balagopalan, Kapilan, et al.
Veröffentlicht: (2026)

On the Relationship between Bayesian Networks and Probabilistic Structural Causal Models
von: Lucas, Peter J. F., et al.
Veröffentlicht: (2026)

Learning to Solve the Constrained Most Probable Explanation Task in Probabilistic Graphical Models
von: Arya, Shivvrat, et al.
Veröffentlicht: (2024)

Depth Separation in Norm-Bounded Infinite-Width Neural Networks
von: Parkinson, Suzanna, et al.
Veröffentlicht: (2024)

Graph Convolutional Neural Networks Sensitivity under Probabilistic Error Model
von: Wang, Xinjue, et al.
Veröffentlicht: (2022)

Partially Stochastic Infinitely Deep Bayesian Neural Networks
von: Calvo-Ordonez, Sergio, et al.
Veröffentlicht: (2024)

Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity
von: Lu, Ziyu, et al.
Veröffentlicht: (2025)

Predicting Biomedical Interactions with Probabilistic Model Selection for Graph Neural Networks
von: KC, Kishan, et al.
Veröffentlicht: (2022)

Semiparametric Efficient Test for Interpretable Distributional Treatment Effects
von: Zenati, Houssam, et al.
Veröffentlicht: (2026)

Probabilistic Demand Forecasting with Graph Neural Networks
von: Kozodoi, Nikita, et al.
Veröffentlicht: (2024)

Probabilistic Calibration by Design for Neural Network Regression
von: Dheur, Victor, et al.
Veröffentlicht: (2024)

Skew-Probabilistic Neural Networks for Learning from Imbalanced Data
von: Naik, Shraddha M., et al.
Veröffentlicht: (2023)

Probabilistic Digital Twin for Misspecified Structural Dynamical Systems via Latent Force Modeling and Bayesian Neural Networks
von: Kashyap, Sahil, et al.
Veröffentlicht: (2025)

Exact and Approximate MCMC for Doubly-intractable Probabilistic Graphical Models Leveraging the Underlying Independence Model
von: Chen, Yujie, et al.
Veröffentlicht: (2025)

Clusterpath Gaussian Graphical Modeling
von: Touw, D. J. W., et al.
Veröffentlicht: (2024)

An Infinite-Width Analysis on the Jacobian-Regularised Training of a Neural Network
von: Kim, Taeyoung, et al.
Veröffentlicht: (2023)