Buchumschlag

Learning Continuous Network Emerging Dynamics from Scarce Observations via Data-Adaptive Stochastic Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cui, Jiaxu, Sun, Bingyi, Liu, Jiming, Yang, Bo
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MOSAIC: Minimax-Optimal Sparsity-Adaptive Inference for Change Points in Dynamic Networks
von: Fan, Yingying, et al.
Veröffentlicht: (2025)

Adaptive Bayesian Optimization for Robust Identification of Stochastic Dynamical Systems
von: Xu, Jinwen, et al.
Veröffentlicht: (2025)

Combining Incomplete Observational and Randomized Data for Heterogeneous Treatment Effects
von: Yao, Dong, et al.
Veröffentlicht: (2024)

Review on Determining the Number of Communities in Network Data
von: Du, Zhengyuan, et al.
Veröffentlicht: (2025)

Adaptive Meta-Learning Stochastic Gradient Hamiltonian Monte Carlo Simulation for Bayesian Updating of Structural Dynamic Models
von: Meng, Xianghao, et al.
Veröffentlicht: (2026)

Treatment Effect Estimation with Observational Network Data using Machine Learning
von: Emmenegger, Corinne, et al.
Veröffentlicht: (2022)

C-HDNet: Hyperdimensional Computing for Causal Effect Estimation from Observational Data Under Network Interference
von: Dalvi, Abhishek, et al.
Veröffentlicht: (2025)

Feature Matching Intervention: Leveraging Observational Data for Causal Representation Learning
von: Li, Haoze, et al.
Veröffentlicht: (2025)

Policy Learning for Optimal Dynamic Treatment Regimes with Observational Data
von: Sakaguchi, Shosei
Veröffentlicht: (2024)

De-confounding Representation Learning for Counterfactual Inference on Continuous Treatment via Generative Adversarial Network
von: Zhao, Yonghe, et al.
Veröffentlicht: (2023)

Reinforcement Learning with Continuous Actions Under Unmeasured Confounding
von: Li, Yuhan, et al.
Veröffentlicht: (2025)

A Locally Adaptive Algorithm for Multiple Testing with Network Structure
von: Liang, Ziyi, et al.
Veröffentlicht: (2022)

Structure Maintained Representation Learning Neural Network for Causal Inference
von: Sun, Yang, et al.
Veröffentlicht: (2025)

Parametric Scaling Law of Tuning Bias in Conformal Prediction
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

Multi-task Learning for Heterogeneous Data via Integrating Shared and Task-Specific Encodings
von: Sui, Yang, et al.
Veröffentlicht: (2025)

Doubly Robust Proximal Causal Learning for Continuous Treatments
von: Wu, Yong, et al.
Veröffentlicht: (2023)

The Hardness of Validating Observational Studies with Experimental Data
von: Fawkes, Jake, et al.
Veröffentlicht: (2025)

Integrative Learning of Dynamically Evolving Multiplex Graphs and Nodal Attributes Using Neural Network Gaussian Processes with an Application to Dynamic Terrorism Graphs
von: Rodriguez-Acosta, Jose, et al.
Veröffentlicht: (2026)

Hard and Soft EM in Bayesian Network Learning from Incomplete Data
von: Ruggieri, Andrea, et al.
Veröffentlicht: (2020)

Towards Accurate and Interpretable Time-series Forecasting: A Polynomial Learning Approach
von: Liu, Bo, et al.
Veröffentlicht: (2026)

Off-Policy Evaluation via Adaptive Weighting with Data from Contextual Bandits
von: Zhan, Ruohan, et al.
Veröffentlicht: (2021)

Beyond Cross-Validation: Adaptive Parameter Selection for Kernel-Based Gradient Descents
von: Liu, Xiaotong, et al.
Veröffentlicht: (2026)

Learning Joint and Individual Structure in Network Data with Covariates
von: James, Carson, et al.
Veröffentlicht: (2024)

A General Causal Inference Framework for Cross-Sectional Observational Data
von: Zhao, Yonghe, et al.
Veröffentlicht: (2024)

Causal Representation Learning from Multimodal Biomedical Observations
von: Sun, Yuewen, et al.
Veröffentlicht: (2024)

Adaptive Multi-task Learning for Multi-sector Portfolio Optimization
von: Fan, Qingliang, et al.
Veröffentlicht: (2025)

Externally Valid Policy Evaluation Combining Trial and Observational Data
von: Ek, Sofia, et al.
Veröffentlicht: (2023)

Benchmarking Observational Studies with Experimental Data under Right-Censoring
von: Demirel, Ilker, et al.
Veröffentlicht: (2024)

Adaptive Physics-Guided Neural Network
von: Shulman, David, et al.
Veröffentlicht: (2024)

Semiparametric Learning from Open-Set Label Shift Data
von: Liu, Siyan, et al.
Veröffentlicht: (2025)

Robust and Adaptive Spectral Method for Representation Multi-Task Learning with Contamination
von: Huang, Yian, et al.
Veröffentlicht: (2025)

Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data
von: Oprescu, Miruna, et al.
Veröffentlicht: (2024)

Oh SnapMMD! Forecasting Stochastic Dynamics Beyond the Schrödinger Bridge's End
von: Berlinghieri, Renato, et al.
Veröffentlicht: (2025)

Kernel Treatment Effects with Adaptively Collected Data
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

Q-Learning with Clustered-SMART (cSMART) Data: Examining Moderators in the Construction of Clustered Adaptive Interventions
von: Song, Yao, et al.
Veröffentlicht: (2025)

Latent Network Estimation and Variable Selection for Compositional Data via Variational EM
von: Osborne, Nathan, et al.
Veröffentlicht: (2020)

A Bayesian Take on Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2023)

Learning Interpretable Network Dynamics via Universal Neural Symbolic Regression
von: Hu, Jiao, et al.
Veröffentlicht: (2024)

Bayesian Causal Inference with Gaussian Process Networks
von: Giudice, Enrico, et al.
Veröffentlicht: (2024)

Federated Causal Inference from Observational Data
von: Vo, Thanh Vinh, et al.
Veröffentlicht: (2023)