:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Bosco, Andrea
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Machine Learning Probability G.3; J.4
Online-Zugang:	https://arxiv.org/abs/2403.17982
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On an $L^2$ norm for stationary ARMA processes
von: Ganesh, Anand, et al.
Veröffentlicht: (2024)

An efficient Wasserstein-distance approach for reconstructing jump-diffusion processes using parameterized neural networks
von: Xia, Mingtao, et al.
Veröffentlicht: (2024)

The Choice of Normalization Influences Shrinkage in Regularized Regression
von: Larsson, Johan, et al.
Veröffentlicht: (2025)

A Robust Monotonic Single-Index Model for Skewed and Heavy-Tailed Data: A Deep Neural Network Approach Applied to Periodontal Studies
von: Liu, Qingyang, et al.
Veröffentlicht: (2025)

Efficient Two-Stage Gaussian Process Regression Via Automatic Kernel Search and Subsampling
von: Zhao, Shifan, et al.
Veröffentlicht: (2024)

Total Variation Guarantees for Sampling with Stochastic Localization
von: Kellermann, Jakob
Veröffentlicht: (2026)

Mechanism Learning: reverse causal inference in the presence of multiple unknown confounding through causally weighted Gaussian mixture models
von: Mao, Jianqiao, et al.
Veröffentlicht: (2024)

Recursive random binning to detect and display pairwise dependence
von: Salahub, Chris, et al.
Veröffentlicht: (2023)

Wasserstein error bounds for aggregations of continuous-time Markov chains
von: Michel, Fabian
Veröffentlicht: (2025)

Least squares estimation of the transition density in bifurcating Markov models
von: Penda, S. Valère Bitseki
Veröffentlicht: (2025)

Heterogeneous Variational Inference for Markov Degradation Hazard Models: Discretized Mixture with Interpretable Clusters
von: Yasuno, Takato
Veröffentlicht: (2026)

Consumer Research with Projective Techniques: A Mixed Methods-Focused Review and Empirical Reanalysis
von: France, Stephen L.
Veröffentlicht: (2024)

Tree-structured Markov random fields with Poisson marginal distributions
von: Côté, Benjamin, et al.
Veröffentlicht: (2024)

Future Aware Safe Active Learning of Time Varying Systems using Gaussian Processes
von: Lange-Hegermann, Markus, et al.
Veröffentlicht: (2024)

ALIGNS: Unlocking nomological networks in psychological measurement through a large language model
von: Larsen, Kai R., et al.
Veröffentlicht: (2025)

Non-Existent Outcomes in Research on Inequality: A Causal Approach
von: Lundberg, Ian, et al.
Veröffentlicht: (2025)

Formal Error Bounds for the State Space Reduction of Markov Chains
von: Michel, Fabian, et al.
Veröffentlicht: (2024)

The Unified Non-Convex Framework for Robust Causal Inference: Overcoming the Gaussian Barrier and Optimization Fragility
von: Uehara, Eichi
Veröffentlicht: (2025)

Measures of classification bias derived from sample size analysis
von: Ivrissimtzis, Ioannis, et al.
Veröffentlicht: (2026)

Support Tokens, Stability Margins, and a New Foundation for Robust LLMs
von: Agarwal, Deepak, et al.
Veröffentlicht: (2026)

The Strong Screening Rule for SLOPE
von: Larsson, Johan, et al.
Veröffentlicht: (2020)

The Hessian Screening Rule
von: Larsson, Johan, et al.
Veröffentlicht: (2021)

Look-Ahead Screening Rules for the Lasso
von: Larsson, Johan
Veröffentlicht: (2021)

Large Language Models for Market Research: A Data-augmentation Approach
von: Wang, Mengxin, et al.
Veröffentlicht: (2024)

Selection Confidence Sets for Equally Weighted Portfolios
von: Ferrari, Davide, et al.
Veröffentlicht: (2025)

Early Detection of Latent Microstructure Regimes in Limit Order Books
von: Hiremath, Prakul Sunil, et al.
Veröffentlicht: (2026)

A Cycle Walk for Sampling Measures on Spanning Forests for Redistricting
von: DeFord, Daryl R., et al.
Veröffentlicht: (2025)

Empirical Decision Theory
von: Jansen, Christoph, et al.
Veröffentlicht: (2025)

Byzantine-tolerant distributed learning of finite mixture models
von: Zhang, Qiong, et al.
Veröffentlicht: (2024)

Maximum entropy based testing in network models: ERGMs and constrained optimization
von: Ghosh, Subhro, et al.
Veröffentlicht: (2026)

Causal Inference with Corrupted Data: Measurement Error, Missing Values, Discretization, and Differential Privacy
von: Agarwal, Anish, et al.
Veröffentlicht: (2021)

From Causal Discovery to Dynamic Causal Inference in Neural Time Series
von: Zaytsev, Dmitry, et al.
Veröffentlicht: (2026)

Stochastic Processes with Modified Lognormal Distribution Featuring Flexible Upper Tail
von: Hristopulos, Dionissios T., et al.
Veröffentlicht: (2025)

Prediction-Augmented Trees for Reliable Statistical Inference
von: Kher, Vikram, et al.
Veröffentlicht: (2025)

Optimal Kernel Learning for Gaussian Process Models with High-Dimensional Input
von: Kang, Lulu, et al.
Veröffentlicht: (2025)

When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression
von: Kurbucz, Marcell T.
Veröffentlicht: (2026)

Convergence of Markov chain transition probabilities
von: Scheutzow, Michael, et al.
Veröffentlicht: (2020)

The Good, the Bad, and the Ugly of Markov Boundary for Tabular Prediction
von: Wan, Shu, et al.
Veröffentlicht: (2026)

Learning What Evaluators Value: A Reliable Approach to Modeling Evaluator Preferences
von: Kitch, Madeline Celi, et al.
Veröffentlicht: (2026)

Conditioning Diffusions Using Malliavin Calculus
von: Pidstrigach, Jakiw, et al.
Veröffentlicht: (2025)