Buchumschlag

Sample Complexity Bounds for Estimating Probability Divergences under Invariances

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tahmasebi, Behrooz, Jegelka, Stefanie
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

The Exact Sample Complexity Gain from Invariances for Kernel Regression
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2023)

Learning with Exact Invariances in Polynomial Time
von: Soleymani, Ashkan, et al.
Veröffentlicht: (2025)

Counting Substructures with Higher-Order Graph Neural Networks: Possibility and Impossibility Results
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2020)

A Universal Class of Sharpness-Aware Minimization Algorithms
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2024)

Geometric Algorithms for Neural Combinatorial Optimization with Constraints
von: Karalias, Nikolaos, et al.
Veröffentlicht: (2025)

Sample Complexity of Probability Divergences under Group Symmetry
von: Chen, Ziyu, et al.
Veröffentlicht: (2023)

Achieving Approximate Symmetry Is Exponentially Easier than Exact Symmetry
von: Tahmasebi, Behrooz, et al.
Veröffentlicht: (2025)

A Poincaré Inequality and Consistency Results for Signal Sampling on Large Graphs
von: Le, Thien, et al.
Veröffentlicht: (2023)

Partition Function Estimation under Bounded f-Divergence
von: Block, Adam, et al.
Veröffentlicht: (2026)

Higher-Order Graphon Neural Networks: Approximation and Cut Distance
von: Herbst, Daniel, et al.
Veröffentlicht: (2025)

Generalization, Expressivity, and Universality of Graph Neural Networks on Attributed Graphs
von: Rauchwerger, Levi, et al.
Veröffentlicht: (2024)

Neural Networks With Dense Weights Are Not Universal Approximators
von: Rauchwerger, Levi, et al.
Veröffentlicht: (2026)

Coded Computing for Resilient Distributed Computing: A Learning-Theoretic Framework
von: Moradi, Parsa, et al.
Veröffentlicht: (2024)

Nearly Minimax Discrete Distribution Estimation in Kullback-Leibler Divergence with High Probability
von: van der Hoeven, Dirk, et al.
Veröffentlicht: (2025)

On the hardness of learning under symmetries
von: Kiani, Bobak T., et al.
Veröffentlicht: (2024)

On the Emergence of Position Bias in Transformers
von: Wu, Xinyi, et al.
Veröffentlicht: (2025)

In-Context Learning as Nonparametric Conditional Probability Estimation: Risk Bounds and Optimality
von: Liu, Chenrui, et al.
Veröffentlicht: (2025)

A projection-based framework for gradient-free and parallel learning
von: Bergmeister, Andreas, et al.
Veröffentlicht: (2025)

LieAugmenter: Equivariant Learning by Discovering Symmetries with Learnable Augmentations
von: Santos-Escriche, Eduardo, et al.
Veröffentlicht: (2025)

Estimating the Probability of Sampling a Trained Neural Network at Random
von: Scherlis, Adam, et al.
Veröffentlicht: (2025)

Gaussian-Smoothed Sliced Probability Divergences
von: Alaya, Mokhtar Z., et al.
Veröffentlicht: (2024)

Near-Optimal Algorithms for Group Distributionally Robust Optimization and Beyond
von: Soma, Tasuku, et al.
Veröffentlicht: (2022)

Survey on Generalization Theory for Graph Neural Networks
von: Vasileiou, Antonis, et al.
Veröffentlicht: (2025)

Unifying Invariance and Spuriousity for Graph Out-of-Distribution via Probability of Necessity and Sufficiency
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Hierarchic Flows to Estimate and Sample High-dimensional Probabilities
von: Lempereur, Etienne, et al.
Veröffentlicht: (2024)

Any-Subgroup Equivariant Networks via Symmetry Breaking
von: Goel, Abhinav, et al.
Veröffentlicht: (2026)

A Canonicalization Perspective on Invariant and Equivariant Learning
von: Ma, George, et al.
Veröffentlicht: (2024)

Learning on LoRAs: GL-Equivariant Processing of Low-Rank Weight Spaces for Large Finetuned Models
von: Putterman, Theo, et al.
Veröffentlicht: (2024)

On the Role of Attention Masks and LayerNorm in Transformers
von: Wu, Xinyi, et al.
Veröffentlicht: (2024)

Canonicalizing Multimodal Contrastive Representation Learning
von: Gupta, Sharut, et al.
Veröffentlicht: (2026)

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

Bounds and Identification of Joint Probabilities of Potential Outcomes and Observed Variables under Monotonicity Assumptions
von: Hashimoto, Naoya, et al.
Veröffentlicht: (2026)

Sample Complexity Bounds for Robust Mean Estimation with Mean-Shift Contamination
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2026)

Non-Vacuous Generalization Bounds: Can Rescaling Invariances Help?
von: Rouchouse, Damien, et al.
Veröffentlicht: (2025)

Near-Optimal Sample Complexities of Divergence-based S-rectangular Distributionally Robust Reinforcement Learning
von: Li, Zhenghao, et al.
Veröffentlicht: (2025)

How to Craft Backdoors with Unlabeled Data Alone?
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Subsampling Graphs with GNN Performance Guarantees
von: Jain, Mika Sarkin, et al.
Veröffentlicht: (2025)

RL in Markov Games with Independent Function Approximation: Improved Sample Complexity Bound under the Local Access Model
von: Fan, Junyi, et al.
Veröffentlicht: (2024)

Computing Optimal Regularizers for Online Linear Optimization
von: Gatmiry, Khashayar, et al.
Veröffentlicht: (2024)

Sample-efficient Bayesian Optimisation Using Known Invariances
von: Brown, Theodore, et al.
Veröffentlicht: (2024)