Buchumschlag

Statistical Error Bounds for GANs with Nonlinear Objective Functionals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Birrell, Jeremiah
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Concentration Inequalities for Stochastic Optimization of Unbounded Objective Functions with Application to Denoising Score Matching
von: Birrell, Jeremiah
Veröffentlicht: (2025)

Learning to Forget with Information Divergence Reweighted Objectives for Noisy Labels
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2025)

Statistical Guarantees for Distributionally Robust Optimization with Optimal Transport and OT-Regularized Divergences
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2026)

Optimal Transport Regularized Divergences: Application to Adversarial Robustness
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2023)

Nonlinear denoising score matching for enhanced learning of structured distributions
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2024)

Differentially Private Stochastic Gradient Descent with Fixed-Size Minibatches: Tighter RDP Guarantees with or without Replacement
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2024)

Information Theoretic Adversarial Training of Large Language Models
von: Zhang, Yiwei, et al.
Veröffentlicht: (2026)

Statistical Guarantees of Group-Invariant GANs
von: Chen, Ziyu, et al.
Veröffentlicht: (2023)

Concentration Inequalities and UQ Bounds for Hypocoercive MCMC Samplers
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2019)

On the regularization of Wasserstein GANs
von: Petzka, Henning, et al.
Veröffentlicht: (2017)

An Interactive Framework for Implementing Privacy-Preserving Federated Learning: Experiments on Large Language Models
von: Ahmadi, Kasra, et al.
Veröffentlicht: (2025)

Finite-Sample Wasserstein Error Bounds and Concentration Inequalities for Nonlinear Stochastic Approximation
von: Kong, Seo Taek, et al.
Veröffentlicht: (2026)

Generalization Error Bounds for Picard-Type Operator Learning in Nonlinear Parabolic PDEs
von: Taniguchi, Koichi, et al.
Veröffentlicht: (2026)

h-calibration: Rethinking Classifier Recalibration with Probabilistic Error-Bounded Objective
von: Huang, Wenjian, et al.
Veröffentlicht: (2025)

Data Cleansing for GANs
von: Terashita, Naoyuki, et al.
Veröffentlicht: (2025)

Error Bounds for Flow Matching Methods
von: Benton, Joe, et al.
Veröffentlicht: (2023)

Generalized Regression with Conditional GANs
von: Jobson, Deddy, et al.
Veröffentlicht: (2024)

GANs as Gradient Flows that Converge
von: Huang, Yu-Jui, et al.
Veröffentlicht: (2022)

Generalized Dual Discriminator GANs
von: Chandana, Penukonda Naga, et al.
Veröffentlicht: (2025)

Generative Bayesian Inference with GANs
von: Wang, Yuexi, et al.
Veröffentlicht: (2022)

Double Descent and Other Interpolation Phenomena in GANs
von: Luzi, Lorenzo, et al.
Veröffentlicht: (2021)

Classification Error Bound for Low Bayes Error Conditions in Machine Learning
von: Yang, Zijian, et al.
Veröffentlicht: (2025)

Sample-efficient neural likelihood-free Bayesian inference of implicit HMMs
von: Ghosh, Sanmitra, et al.
Veröffentlicht: (2024)

A New Formulation of Lipschitz Constrained With Functional Gradient Learning for GANs
von: Wan, Chang, et al.
Veröffentlicht: (2025)

Demystifying Diffusion Objectives: Reweighted Losses are Better Variational Bounds
von: Shi, Jiaxin, et al.
Veröffentlicht: (2025)

Finite-Time Error Bounds for Greedy-GQ
von: Wang, Yue, et al.
Veröffentlicht: (2022)

The Exploration of Error Bounds in Classification with Noisy Labels
von: Liu, Haixia, et al.
Veröffentlicht: (2025)

A Differential Equation Approach for Wasserstein GANs and Beyond
von: Malik, Zachariah, et al.
Veröffentlicht: (2024)

Conditional Sig-Wasserstein GANs for Time Series Generation
von: Liao, Shujian, et al.
Veröffentlicht: (2020)

GANs Conditioning Methods: A Survey
von: Bourou, Anis, et al.
Veröffentlicht: (2024)

Worst-case Error Bounds for Online Learning of Smooth Functions
von: Xie, Weian
Veröffentlicht: (2025)

Misspecified $Q$-Learning with Sparse Linear Function Approximation: Tight Bounds on Approximation Error
von: Du, Ally Yalei, et al.
Veröffentlicht: (2024)

PREM: Privately Answering Statistical Queries with Relative Error
von: Ghazi, Badih, et al.
Veröffentlicht: (2025)

Intriguing Properties of Modern GANs
von: Friedman, Roy, et al.
Veröffentlicht: (2024)

Connecting GANs, MFGs, and OT
von: Cao, Haoyang, et al.
Veröffentlicht: (2020)

Tabular GANs for uneven distribution
von: Ashrapov, Insaf
Veröffentlicht: (2020)

Generalization Error Bounds for Learning under Censored Feedback
von: Yang, Yifan, et al.
Veröffentlicht: (2024)

Efficient Distribution Learning with Error Bounds in Wasserstein Distance
von: Figueiredo, Eduardo, et al.
Veröffentlicht: (2026)

Hybrid Quantum-Classical GANs for the Generation of Adversarial Network Flows
von: Paudel, Prateek, et al.
Veröffentlicht: (2026)

Exponential capacity scaling of classical GANs compared to hybrid latent style-based quantum GANs
von: Liepelt, Milan, et al.
Veröffentlicht: (2026)