Buchumschlag

The Polynomial Stein Discrepancy for Assessing Moment Convergence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Srinivasan, Narayan, Sutton, Matthew, Drovandi, Christopher, South, Leah F
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Controlling Moments with Kernel Stein Discrepancies
von: Kanagawa, Heishiro, et al.
Veröffentlicht: (2022)

Ensemble Control Variates
von: Nguyen, Long M., et al.
Veröffentlicht: (2025)

Control Variates for MCMC
von: South, Leah, et al.
Veröffentlicht: (2024)

Sequential Kernelized Stein Discrepancy
von: Martinez-Taboada, Diego, et al.
Veröffentlicht: (2024)

Data-centric Prediction Explanation via Kernelized Stein Discrepancy
von: Sarvmaili, Mahtab, et al.
Veröffentlicht: (2024)

Stein Discrepancy for Unsupervised Domain Adaptation
von: von Seeger, Anneke, et al.
Veröffentlicht: (2025)

Copula-Stein Discrepancy: A Generator-Based Stein Operator for Archimedean Dependence
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Wasserstein Gaussianization and Efficient Variational Bayes for Robust Bayesian Synthetic Likelihood
von: Nguyen, Nhat-Minh, et al.
Veröffentlicht: (2023)

The Statistical Accuracy of Neural Posterior and Likelihood Estimation
von: Frazier, David T., et al.
Veröffentlicht: (2024)

Preconditioned Robust Neural Posterior Estimation for Misspecified Simulators
von: Kelly, Ryan P., et al.
Veröffentlicht: (2026)

Bayesian score calibration for approximate models
von: Bon, Joshua J, et al.
Veröffentlicht: (2022)

Low Stein Discrepancy via Message-Passing Monte Carlo
von: Kirk, Nathan, et al.
Veröffentlicht: (2025)

Dynamic Learning Rate for Deep Reinforcement Learning: A Bandit Approach
von: Donâncio, Henrique, et al.
Veröffentlicht: (2024)

Unbiased and Consistent Nested Sampling via Sequential Monte Carlo
von: Salomone, Robert, et al.
Veröffentlicht: (2018)

Model Selection for Gaussian-gated Gaussian Mixture of Experts Using Dendrograms of Mixing Measures
von: Thai, Tuan, et al.
Veröffentlicht: (2025)

Neural Operator Variational Inference based on Regularized Stein Discrepancy for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2023)

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

Targeted Separation and Convergence with Kernel Discrepancies
von: Barp, Alessandro, et al.
Veröffentlicht: (2022)

Adaptive Estimation and Inference in Conditional Moment Models via the Discrepancy Principle
von: Tan, Jiyuan, et al.
Veröffentlicht: (2026)

Cookbook: A framework for improving LLM generative abilities via programmatic data generating templates
von: Narayan, Avanika, et al.
Veröffentlicht: (2024)

Simulation-based Bayesian inference under model misspecification
von: Kelly, Ryan P., et al.
Veröffentlicht: (2025)

Accelerating Convergence of Stein Variational Gradient Descent via Deep Unfolding
von: Kawamura, Yuya, et al.
Veröffentlicht: (2024)

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

Dendrograms of Mixing Measures for Softmax-Gated Gaussian Mixture of Experts: Consistency without Model Sweeps
von: Hai, Do Tien, et al.
Veröffentlicht: (2025)

Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models
von: Tran, TrungKhang, et al.
Veröffentlicht: (2026)

Misspecification-robust Sequential Neural Likelihood for Simulation-based Inference
von: Kelly, Ryan P., et al.
Veröffentlicht: (2023)

Preconditioned Neural Posterior Estimation for Likelihood-free Inference
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2024)

Polynomial Convergence of Riemannian Diffusion Models
von: Xu, Xingyu, et al.
Veröffentlicht: (2026)

A Pure Hypothesis Test for Inhomogeneous Random Graph Models Based on a Kernelised Stein Discrepancy
von: Fatima, Anum, et al.
Veröffentlicht: (2025)

On Fractional Moment Estimation from Polynomial Chaos Expansion
von: Novák, Lukáš, et al.
Veröffentlicht: (2024)

Scalable Vertical Federated Learning via Data Augmentation and Amortized Inference
von: Hassan, Conor, et al.
Veröffentlicht: (2024)

Resolving Discrepancies in Compute-Optimal Scaling of Language Models
von: Porian, Tomer, et al.
Veröffentlicht: (2024)

Word Sense Detection Leveraging Maximum Mean Discrepancy
von: Mitsuzawa, Kensuke
Veröffentlicht: (2025)

MMD-Flagger: Leveraging Maximum Mean Discrepancy to Detect Hallucinations
von: Mitsuzawa, Kensuke, et al.
Veröffentlicht: (2025)

Stein Variational Evolution Strategies
von: Braun, Cornelius V., et al.
Veröffentlicht: (2024)

A Deterministic Sampling Method via Maximum Mean Discrepancy Flow with Adaptive Kernel
von: Chen, Yindong, et al.
Veröffentlicht: (2021)

Condensed Stein Variational Gradient Descent for Uncertainty Quantification of Neural Networks
von: Padmanabha, Govinda Anantha, et al.
Veröffentlicht: (2024)

Margin Discrepancy-based Adversarial Training for Multi-Domain Text Classification
von: Wu, Yuan
Veröffentlicht: (2024)

Using Machine Learning in Analyzing Air Quality Discrepancies of Environmental Impact
von: Wang, Shuangbao Paul, et al.
Veröffentlicht: (2025)

Optimizing Kernel Discrepancies via Subset Selection
von: Chen, Deyao, et al.
Veröffentlicht: (2025)