:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Makinen, T. Lucas, Alsing, Justin, Wandelt, Benjamin D.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2310.03812
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scaling-laws for Large Time-series Models
von: Edwards, Thomas D. P., et al.
Veröffentlicht: (2024)

Hybrid Summary Statistics
von: Makinen, T. Lucas, et al.
Veröffentlicht: (2024)

Hybrid summary statistics: neural weak lensing inference beyond the power spectrum
von: Makinen, T. Lucas, et al.
Veröffentlicht: (2024)

Towards Mitigating Systematics in Large-Scale Surveys via Few-Shot Optimal Transport-Based Feature Alignment
von: Hassan, Sultan, et al.
Veröffentlicht: (2025)

Evidence Networks: simple losses for fast, amortized, neural Bayesian model comparison
von: Jeffrey, Niall, et al.
Veröffentlicht: (2023)

CHARM: Creating Halos with Auto-Regressive Multi-stage networks
von: Pandey, Shivam, et al.
Veröffentlicht: (2024)

How many simulations do we need for simulation-based inference in cosmology?
von: Bairagi, Anirban, et al.
Veröffentlicht: (2025)

Galactification: painting galaxies onto dark matter only simulations using a transformer-based model
von: Pandey, Shivam, et al.
Veröffentlicht: (2025)

Bayesian Meta-Learning with Expert Feedback for Task-Shift Adaptation through Causal Embeddings
von: Mäkinen, Lotta, et al.
Veröffentlicht: (2026)

On the Lipschitz Continuity of Set Aggregation Functions and Neural Networks for Sets
von: Nikolentzos, Giannis, et al.
Veröffentlicht: (2025)

On Achieving Optimal Adversarial Test Error
von: Li, Justin D., et al.
Veröffentlicht: (2023)

HyperAggregation: Aggregating over Graph Edges with Hypernetworks
von: Lell, Nicolas, et al.
Veröffentlicht: (2024)

Aggregating Data for Optimal and Private Learning
von: Agarwal, Sushant, et al.
Veröffentlicht: (2024)

Symmetric Aggregation of Conformity Scores for Efficient Uncertainty Sets
von: Alami, Nabil, et al.
Veröffentlicht: (2025)

Enhancing Unsupervised Graph Few-shot Learning via Set Functions and Optimal Transport
von: Liu, Yonghao, et al.
Veröffentlicht: (2025)

Graph-SCP: Accelerating Set Cover Problems with Graph Neural Networks
von: Shafi, Zohair, et al.
Veröffentlicht: (2023)

Welfare, Improvability, and Variance: A Principal-Agent Approach to Optimal Benchmark Item Aggregation
von: Haupt, Andreas, et al.
Veröffentlicht: (2026)

GRAIN: Multi-Granular and Implicit Information Aggregation Graph Neural Network for Heterophilous Graphs
von: Zhao, Songwei, et al.
Veröffentlicht: (2025)

syren-halofit: A fast, interpretable, high-precision formula for the $Λ$CDM nonlinear matter power spectrum
von: Bartlett, Deaglan J., et al.
Veröffentlicht: (2024)

Aggregating Conformal Prediction Sets via α-Allocation
von: Xu, Congbin, et al.
Veröffentlicht: (2025)

LtU-ILI: An All-in-One Framework for Implicit Inference in Astrophysics and Cosmology
von: Ho, Matthew, et al.
Veröffentlicht: (2024)

Non-Linear Counterfactual Aggregate Optimization
von: Heymann, Benjamin, et al.
Veröffentlicht: (2025)

Scalable Inference for Bayesian Multinomial Logistic-Normal Dynamic Linear Models
von: Saxena, Manan, et al.
Veröffentlicht: (2024)

Graph as Point Set
von: Wang, Xiyuan, et al.
Veröffentlicht: (2024)

Aggregate to Adapt: Node-Centric Aggregation for Multi-Source-Free Graph Domain Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

Optimal ablation for interpretability
von: Li, Maximilian, et al.
Veröffentlicht: (2024)

On the Scalability of GNNs for Molecular Graphs
von: Sypetkowski, Maciej, et al.
Veröffentlicht: (2024)

Scalable Graph Compressed Convolutions
von: Sun, Junshu, et al.
Veröffentlicht: (2024)

Subgraph Aggregation for Out-of-Distribution Generalization on Graphs
von: Liu, Bowen, et al.
Veröffentlicht: (2024)

Relieving the Over-Aggregating Effect in Graph Transformers
von: Sun, Junshu, et al.
Veröffentlicht: (2025)

ERIS: Enhancing Privacy and Scalability in Federated Learning via Federated Shard Aggregation
von: Fenoglio, Dario, et al.
Veröffentlicht: (2026)

Near-Optimal Regret in Linear MDPs with Aggregate Bandit Feedback
von: Cassel, Asaf, et al.
Veröffentlicht: (2024)

The Interplay Between Interpolation and Aggregation in Regression: Optimal Sample Complexity
von: Høgsgaard, Mikael Møller, et al.
Veröffentlicht: (2026)

Aggregation Models with Optimal Weights for Distributed Gaussian Processes
von: Chen, Haoyuan, et al.
Veröffentlicht: (2024)

Federated Bayesian Deep Learning: The Application of Statistical Aggregation Methods to Bayesian Models
von: Fischer, John, et al.
Veröffentlicht: (2024)

Flatten Graphs as Sequences: Transformers are Scalable Graph Generators
von: Chen, Dexiong, et al.
Veröffentlicht: (2025)

Optimal Decision-Making Based on Prediction Sets
von: Wang, Tao, et al.
Veröffentlicht: (2026)

Graph Neural Aggregation-diffusion with Metastability
von: Cui, Kaiyuan, et al.
Veröffentlicht: (2024)

syren-new: Precise formulae for the linear and nonlinear matter power spectra with massive neutrinos and dynamical dark energy
von: Sui, Ce, et al.
Veröffentlicht: (2024)

Robust Graph Neural Networks via Unbiased Aggregation
von: Hou, Zhichao, et al.
Veröffentlicht: (2023)