Buchumschlag

Minimax Optimal Goodness-of-Fit Testing with Kernel Stein Discrepancy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hagrass, Omar, Sriperumbudur, Bharath, Balasubramanian, Krishnakumar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Statistics Theory Machine Learning Primary: 62G10, Secondary: 65J20, 65J22, 46E22, 47A52
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spectral Regularized Kernel Goodness-of-Fit Tests
von: Hagrass, Omar, et al.
Veröffentlicht: (2023)

Spectral Regularized Kernel Two-Sample Tests
von: Hagrass, Omar, et al.
Veröffentlicht: (2022)

Minimax Optimal Kernel Two-Sample Tests with Random Features
von: Mukherjee, Soumya, et al.
Veröffentlicht: (2025)

Nyström Kernel Stein Discrepancy Tests
von: Kalinke, Florian, et al.
Veröffentlicht: (2026)

Nyström Kernel Stein Discrepancy
von: Kalinke, Florian, et al.
Veröffentlicht: (2024)

Shorting Dynamics and Structured Kernel Regularization
von: Tian, James
Veröffentlicht: (2025)

Are minimizers of the Onsager-Machlup functional strong posterior modes?
von: Kretschmann, Remo
Veröffentlicht: (2022)

Optimal regularized hypothesis testing in statistical inverse problems
von: Kretschmann, Remo, et al.
Veröffentlicht: (2022)

Convergence analysis of Tikhonov regularization for non-linear statistical inverse learning problems
von: Rastogi, Abhishake, et al.
Veröffentlicht: (2019)

Non-asymptotic error estimates for the Laplace approximation in Bayesian inverse problems
von: Helin, Tapio, et al.
Veröffentlicht: (2020)

Maximum a posteriori testing in statistical inverse problems
von: Kretschmann, Remo, et al.
Veröffentlicht: (2024)

Empirical Risk Minimization as Parameter Choice Rule for General Linear Regularization Methods
von: Li, Housen, et al.
Veröffentlicht: (2017)

An Inverse Problems Approach to Pulse Wave Analysis in the Human Brain
von: Weissinger, Lukas, et al.
Veröffentlicht: (2024)

Kinematic formulas in convex geometry for non-compact groups
von: Anjos, Sílvia, et al.
Veröffentlicht: (2025)

Sparse variational regularization with oversmoothing penalty term in the scale of sequence spaces
von: Plato, Robert, et al.
Veröffentlicht: (2025)

Learning linear operators: Infinite-dimensional regression as a well-behaved non-compact inverse problem
von: Mollenhauer, Mattes, et al.
Veröffentlicht: (2022)

Hybrid ABBA-GMRES for Unmatched Backprojectors in Large Scale X-Ray Computerized Tomography
von: Bentley, Ryan, et al.
Veröffentlicht: (2026)

Deep neural network yields regularization for ill-posed inverse problems
von: Zhu, Qiao, et al.
Veröffentlicht: (2026)

L^1 data fitting for Inverse Problems yields optimal rates of convergence in case of discretized white Gaussian noise
von: Bätz, Kristina, et al.
Veröffentlicht: (2025)

The Minimax Lower Bound of Kernel Stein Discrepancy Estimation
von: Cribeiro-Ramallo, Jose, et al.
Veröffentlicht: (2025)

Automatic reproducing kernel and regularization for learning convolution kernels
von: Li, Haibo, et al.
Veröffentlicht: (2025)

Scalable iterative data-adaptive RKHS regularization
von: Li, Haibo, et al.
Veröffentlicht: (2024)

On a new notion of regularizer
von: Ramm, A. G.
Veröffentlicht: (2003)

Adaptive Nonparametric Estimation via Kernel Transport on Group Orbits: Oracle Inequalities and Minimax Rates
von: Nembe, Jocelyn
Veröffentlicht: (2025)

Regularization with optimal space-time priors
von: Bubba, Tatiana A., et al.
Veröffentlicht: (2024)

RKH spaces of Brownian type defined by Cesàro-Hardy operators
von: Galé, José E., et al.
Veröffentlicht: (2024)

A new kernel-based index for the global sensitivity analysis of models with correlated inputs
von: Larsen, Troy, et al.
Veröffentlicht: (2026)

The Stochastic Occupation Kernel (SOCK) Method for Learning Stochastic Differential Equations
von: Wells, Michael L., et al.
Veröffentlicht: (2025)

Dimension-independent Markov chain Monte Carlo on the sphere
von: Lie, H. C., et al.
Veröffentlicht: (2021)

Convergence rates of Landweber-type methods for inverse problems in Banach spaces
von: Jin, Qinian
Veröffentlicht: (2024)

Computational inverse scattering with internal sources: a reproducing kernel Hilbert space approach
von: Dong, Yakun, et al.
Veröffentlicht: (2024)

Sparse Dictionary-Based Solution of Dynamic Inverse Problems
von: Mason-Mackay, Aidan, et al.
Veröffentlicht: (2026)

On sporadic symmetry breaking operators for principal series representations of the de Sitter and Lorentz groups
von: Pérez-Valdés, Víctor
Veröffentlicht: (2025)

Introduction to Regularization and Learning Methods for Inverse Problems
von: Bednarski, Danielle, et al.
Veröffentlicht: (2025)

Rebalancing Markov jump processes for non-reversible continuous-time sampling
von: Jansson, Erik, et al.
Veröffentlicht: (2025)

Kernel Embedding for Operator-Valued Measures and Its Application to Quantum Tomography
von: Mayer, Philipp Nikolas, et al.
Veröffentlicht: (2026)

Extremal points and sparse optimization for generalized Kantorovich-Rubinstein norms
von: Carioni, Marcello, et al.
Veröffentlicht: (2022)

A Scalable Sequential Framework for Dynamic Inverse Problems via Model Parameter Estimation
von: Keating, Aryeh, et al.
Veröffentlicht: (2026)

An extended latent factor framework for ill-posed linear regression
von: Finocchio, Gianluca, et al.
Veröffentlicht: (2023)

How Regularization Terms Make Invertible Neural Networks Bayesian Point Estimators
von: Heilenkötter, Nick
Veröffentlicht: (2025)