Buchumschlag

Variational inference for approximate objective priors using neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baillie, Nils, Van Biesbroeck, Antoine, Gauchy, Clément
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reference prior for Bayesian estimation of seismic fragility curves
von: Van Biesbroeck, Antoine, et al.
Veröffentlicht: (2023)

Properly constrained reference priors decay rates for efficient and robust posterior inference
von: Van Biesbroeck, Antoine
Veröffentlicht: (2024)

Robust a posteriori estimation of probit-lognormal seismic fragility curves via sequential design of experiments and constrained reference prior
von: Van Biesbroeck, Antoine, et al.
Veröffentlicht: (2025)

Generalized mutual information and their reference priors under Csizar f-divergence
von: Van Biesbroeck, Antoine
Veröffentlicht: (2023)

Penalizing complexity priors for Bayesian inference of circular models
von: Ye, Xiang, et al.
Veröffentlicht: (2025)

Positive-definiteness in separable priors: effects on prior interpretability and inference
von: Carter, Jack Storror, et al.
Veröffentlicht: (2026)

Bayesian inference on Cox regression models using catalytic prior distributions
von: Li, Weihao, et al.
Veröffentlicht: (2023)

Spike-and-slab shrinkage priors for structurally sparse Bayesian neural networks
von: Jantre, Sanket, et al.
Veröffentlicht: (2023)

Gaussian process priors with Markov properties for effective reproduction number inference
von: Sebastian, Jessalyn N., et al.
Veröffentlicht: (2025)

On inference in parametric survival data models
von: Hjort, Nils Lid
Veröffentlicht: (2026)

Robust Bayesian high-dimensional variable selection and inference with the horseshoe family of priors
von: Fan, Kun, et al.
Veröffentlicht: (2025)

An efficient Monte Carlo method for valid prior-free possibilistic statistical inference
von: Martin, Ryan
Veröffentlicht: (2025)

Bayesian inference for group-level cortical surface image-on-scalar-regression with Gaussian process priors
von: Whiteman, Andrew S., et al.
Veröffentlicht: (2023)

Conformal causal inference for cluster randomized trials: model-robust inference without asymptotic approximations
von: Wang, Bingkai, et al.
Veröffentlicht: (2024)

Network inference via approximate Bayesian computation. Illustration on a stochastic multi-population neural mass model
von: Ditlevsen, Susanne, et al.
Veröffentlicht: (2023)

No-prior Bayes reIMagined: probabilistic approximations of inferential models
von: Martin, Ryan
Veröffentlicht: (2025)

Nonparametric function-on-scalar regression using deep neural networks
von: Takeshita, Kazunori, et al.
Veröffentlicht: (2025)

Estimation, inference and model selection for jump regression models
von: Grønneberg, Steffen, et al.
Veröffentlicht: (2026)

Fast approximate Bayesian inference of HIV indicators using PCA adaptive Gauss-Hermite quadrature
von: Howes, Adam, et al.
Veröffentlicht: (2025)

Convolutional neural networks for valid and efficient causal inference
von: Ghasempour, Mohammad, et al.
Veröffentlicht: (2023)

Variational inference for hierarchical models with conditional scale and skewness corrections
von: Kock, Lucas, et al.
Veröffentlicht: (2025)

Variational inference based on a subclass of closed skew normals
von: Tan, Linda S. L., et al.
Veröffentlicht: (2023)

Causal inference with misspecified network interference structure
von: Weinstein, Bar, et al.
Veröffentlicht: (2023)

An objective non-local prior for skew-symmetric models
von: Rubio, F. J.
Veröffentlicht: (2026)

Causal inference through multi-stage learning and doubly robust deep neural networks
von: Zhang, Yuqian, et al.
Veröffentlicht: (2024)

Sparse inference in Poisson Log-Normal model by approximating the L0-norm
von: Kioye, Togo Jean Yves, et al.
Veröffentlicht: (2024)

Semi-parametric bulk and tail regression using spline-based neural networks
von: Majumder, Reetam, et al.
Veröffentlicht: (2025)

Optimal inference via confidence distributions for two-by-two tables modelled as Poisson pairs: fixed and random effects
von: Cunen, Céline, et al.
Veröffentlicht: (2026)

Bayesian non-linear subspace shrinkage using horseshoe priors
von: Duda, Julia Christin, et al.
Veröffentlicht: (2024)

Linear models for causal inference under network interference
von: Tong, Eric, et al.
Veröffentlicht: (2026)

Variational Bayes and Truncation approximations for Enriched Dirichlet process mixtures
von: Bhadra, Somnath, et al.
Veröffentlicht: (2026)

Conformal inference for random objects
von: Zhou, Hang, et al.
Veröffentlicht: (2024)

Wasserstein complexity penalization priors: a new class of penalizing complexity priors
von: Bolin, David, et al.
Veröffentlicht: (2023)

Post-selection inference with a single realization of a network
von: Ancell, Ethan, et al.
Veröffentlicht: (2025)

Topological inference on brain networks with application to lesion symptom mapping
von: Wang, Yuan, et al.
Veröffentlicht: (2026)

On inference for modularity statistics in structured networks
von: Mitra, Anirban, et al.
Veröffentlicht: (2024)

Simulation-based inference using splitting schemes for partially observed diffusions in chemical reaction networks
von: Jovanovski, Petar, et al.
Veröffentlicht: (2025)

Variational autoencoder for inference of nonlinear mixed effect models based on ordinary differential equations
von: Li, Zhe, et al.
Veröffentlicht: (2026)

On regional treatment effect assessment using robust MAP priors
von: Zhang, Xin, et al.
Veröffentlicht: (2026)

Connections as treatment: causal inference with edge interventions in networks
von: Chen, Shuli, et al.
Veröffentlicht: (2026)