:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Chatterjee, Sabyasachi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	https://arxiv.org/abs/2410.03041
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

New Risk Bounds for 2D Total Variation Denoising
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2019)

Adaptive Estimation of Multivariate Piecewise Polynomials and Bounded Variation Functions by Optimal Decision Trees
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2019)

An Exact Pointwise Characterization for Total Variation Denoising in Quantile Regression
von: Ghoshal, Deep, et al.
Veröffentlicht: (2026)

A new approach to locally adaptive polynomial regression
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2024)

Multivariate Trend Filtering for Lattice Data
von: Sadhanala, Veeranjaneyulu, et al.
Veröffentlicht: (2021)

Dataset Distillation with Neural Characteristic Function: A Minmax Perspective
von: Wang, Shaobo, et al.
Veröffentlicht: (2025)

Empirical Bayes for Dynamic Bayesian Networks Using Generalized Variational Inference
von: Kungurtsev, Vyacheslav, et al.
Veröffentlicht: (2024)

Robust Bayesian Inference via Variational Approximations of Generalized Rho-Posteriors
von: Khribch, EL Mahdi, et al.
Veröffentlicht: (2026)

Sharp Inequalities between Total Variation and Hellinger Distances for Gaussian Mixtures
von: Jung, Joonhyuk, et al.
Veröffentlicht: (2026)

Denoising Diffusions with Optimal Transport: Localization, Curvature, and Multi-Scale Complexity
von: Liang, Tengyuan, et al.
Veröffentlicht: (2024)

Variational inference via radial transport
von: Ghafourpour, Luca, et al.
Veröffentlicht: (2026)

Total Variation Rates for Riemannian Flow Matching
von: Guan, Yunrui, et al.
Veröffentlicht: (2026)

Neural Networks Generalize on Low Complexity Data
von: Chatterjee, Sourav, et al.
Veröffentlicht: (2024)

Non-identifiability distinguishes Neural Networks among Parametric Models
von: Chatterjee, Sourav, et al.
Veröffentlicht: (2025)

AutoBayes: A Compositional Framework for Generalized Variational Inference
von: Smithe, Toby St Clere, et al.
Veröffentlicht: (2025)

Variational Optimality of Föllmer Processes in Generative Diffusions
von: Chen, Yifan, et al.
Veröffentlicht: (2026)

Why Self-Training Helps and Hurts: Denoising vs. Signal Forgetting
von: Wu, Mingqi, et al.
Veröffentlicht: (2026)

A Score-Based Density Formula, with Applications in Diffusion Generative Models
von: Li, Gen, et al.
Veröffentlicht: (2024)

Extending Mean-Field Variational Inference via Entropic Regularization: Theory and Computation
von: Wu, Bohan, et al.
Veröffentlicht: (2024)

Double Descent and Overfitting under Noisy Inputs and Distribution Shift for Linear Denoisers
von: Kausik, Chinmaya, et al.
Veröffentlicht: (2023)

Differentially Private Manifold Denoising
von: Wu, Jiaqi, et al.
Veröffentlicht: (2026)

Dual Unscented Kalman Filter Architecture for Sensor Fusion in Water Networks Leak Localization
von: Romero-Ben, Luis, et al.
Veröffentlicht: (2024)

Assessing the Quality of Denoising Diffusion Models in Wasserstein Distance: Noisy Score and Optimal Bounds
von: Arsenyan, Vahan, et al.
Veröffentlicht: (2025)

U-Nets as Belief Propagation: Efficient Classification, Denoising, and Diffusion in Generative Hierarchical Models
von: Mei, Song
Veröffentlicht: (2024)

Boosting the Power of Kernel Two-Sample Tests
von: Chatterjee, Anirban, et al.
Veröffentlicht: (2023)

Counterfactual Generative Modeling with Variational Causal Inference
von: Wu, Yulun, et al.
Veröffentlicht: (2024)

Variational bagging: a robust approach for Bayesian uncertainty quantification
von: Fan, Shitao, et al.
Veröffentlicht: (2025)

Estimating the Number of Components in Finite Mixture Models via Variational Approximation
von: Wang, Chenyang, et al.
Veröffentlicht: (2024)

Local minima of the empirical risk in high dimension: General theorems and convex examples
von: Asgari, Kiana, et al.
Veröffentlicht: (2025)

One-shot Conditional Sampling: MMD meets Nearest Neighbors
von: Chatterjee, Anirban, et al.
Veröffentlicht: (2025)

Matrix Denoising with Doubly Heteroscedastic Noise: Fundamental Limits and Optimal Spectral Methods
von: Zhang, Yihan, et al.
Veröffentlicht: (2024)

A New Perspective On Denoising Based On Optimal Transport
von: Trillos, Nicolas Garcia, et al.
Veröffentlicht: (2023)

Do More Predictions Improve Statistical Inference? Filtered Prediction-Powered Inference
von: Xu, Shirong, et al.
Veröffentlicht: (2026)

A Kernel-Based Conditional Two-Sample Test Using Nearest Neighbors (with Applications to Calibration, Regression Curves, and Simulation-Based Inference)
von: Chatterjee, Anirban, et al.
Veröffentlicht: (2024)

An Equivalence between Bayesian Priors and Penalties in Variational Inference
von: Wolinski, Pierre, et al.
Veröffentlicht: (2020)

Functional Bias and Tangent-Space Geometry in Variational Inference
von: Plummer, Sean
Veröffentlicht: (2026)

Diffusion-based Denoising Beats Vanilla Score Matching in Parameter Estimation: A Theoretical Explanation
von: Schwienhorst, Benedikt Lütke, et al.
Veröffentlicht: (2026)

Finite-Particle Rates for Regularized Stein Variational Gradient Descent
von: He, Ye, et al.
Veröffentlicht: (2026)

Locally Near Optimal Piecewise Linear Regression in High Dimensions via Difference of Max-Affine Functions
von: Kanj, Haitham, et al.
Veröffentlicht: (2026)

Principled Out-of-Distribution Generalization via Simplicity
von: Ge, Jiawei, et al.
Veröffentlicht: (2025)