Buchumschlag

Knowledge-Guided Wasserstein Distributionally Robust Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Zitao, Wang, Ziyuan, Liu, Molei, Si, Nian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Representation-Aware Distributionally Robust Optimization: A Knowledge Transfer Framework
von: Wang, Zitao, et al.
Veröffentlicht: (2025)

Multi-source Stable Variable Importance Measure via Adversarial Machine Learning
von: Wang, Zitao, et al.
Veröffentlicht: (2024)

StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
von: Wang, Zhenyu, et al.
Veröffentlicht: (2025)

Tackling Interference Induced by Data Training Loops in A/B Tests: A Weighted Training Approach
von: Si, Nian
Veröffentlicht: (2023)

Maximin Learning of Individualized Treatment Effect on Multi-Domain Outcomes
von: Lu, Yuying, et al.
Veröffentlicht: (2026)

Transfer Learning of CATE with Kernel Ridge Regression
von: Kim, Seok-Jin, et al.
Veröffentlicht: (2025)

Semi-supervised Clustering Through Representation Learning of Large-scale EHR Data
von: Wang, Linshanshan, et al.
Veröffentlicht: (2025)

Selecting the Best Optimizing System
von: Si, Nian, et al.
Veröffentlicht: (2022)

Flow-based Distributionally Robust Optimization
von: Xu, Chen, et al.
Veröffentlicht: (2023)

Zeroth-Order Sampling Methods for Non-Log-Concave Distributions: Alleviating Metastability by Denoising Diffusion
von: He, Ye, et al.
Veröffentlicht: (2024)

Distributional Matrix Completion via Nearest Neighbors in the Wasserstein Space
von: Feitelberg, Jacob, et al.
Veröffentlicht: (2024)

Learning Sequential Decisions from Multiple Sources via Group-Robust Markov Decision Processes
von: Xu, Mingyuan, et al.
Veröffentlicht: (2026)

Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning
von: Matsubara, Takuo
Veröffentlicht: (2024)

Distribution-Free Robust Predict-Then-Optimize in Function Spaces
von: Patel, Yash, et al.
Veröffentlicht: (2026)

Adaptive Decentralized Federated Learning for Robust Optimization
von: Wu, Shuyuan, et al.
Veröffentlicht: (2025)

Wasserstein F-tests for Fréchet regression on Bures-Wasserstein manifolds
von: Xu, Haoshu, et al.
Veröffentlicht: (2024)

Learning over von Mises-Fisher Distributions via a Wasserstein-like Geometry
von: You, Kisung, et al.
Veröffentlicht: (2025)

Distributionally Robust Learning for Multi-source Unsupervised Domain Adaptation
von: Wang, Zhenyu, et al.
Veröffentlicht: (2023)

An Agglomerative Clustering of Simulation Output Distributions Using Regularized Wasserstein Distance
von: Ghasemloo, Mohammadmahdi, et al.
Veröffentlicht: (2024)

Matrix Completion via Residual Spectral Matching
von: Chen, Ziyuan, et al.
Veröffentlicht: (2024)

TRACER: Transfer Learning based Real-time Adaptation for Clinical Evolving Risk
von: Yan, Mengying, et al.
Veröffentlicht: (2025)

Wasserstein-type Gaussian Process Regressions for Input Measurement Uncertainty
von: Luo, Hengrui, et al.
Veröffentlicht: (2026)

Additive Distributionally Robust Ranking and Selection
von: Li, Zaile, et al.
Veröffentlicht: (2025)

Multi-Distribution Robust Conformal Prediction
von: Yang, Yuqi, et al.
Veröffentlicht: (2026)

Minimum Wasserstein distance estimator under covariate shift: closed-form, super-efficiency and irregularity
von: Lang, Junjun, et al.
Veröffentlicht: (2026)

On the Wasserstein Geodesic Principal Component Analysis of probability measures
von: Vesseron, Nina, et al.
Veröffentlicht: (2025)

Adaptive Learning of the Latent Space of Wasserstein Generative Adversarial Networks
von: Qiu, Yixuan, et al.
Veröffentlicht: (2024)

Fused Gromov-Wasserstein Variance Decomposition with Linear Optimal Transport
von: Wilson, Michael, et al.
Veröffentlicht: (2024)

Geometry Adaptive Counterfactual Distribution Learning with Diffusion-Guided Smoothing
von: Kim, Kwangho
Veröffentlicht: (2026)

Centered plug-in estimation of Wasserstein distances
von: Papp, Tamás P., et al.
Veröffentlicht: (2022)

Combining Wasserstein-1 and Wasserstein-2 proximals: robust manifold learning via well-posed generative flows
von: Gu, Hyemin, et al.
Veröffentlicht: (2024)

Adversarial Drift-Aware Predictive Transfer: Toward Durable Clinical AI
von: Xiong, Xin, et al.
Veröffentlicht: (2026)

Statistical Analysis of Conditional Group Distributionally Robust Optimization with Cross-Entropy Loss
von: Guo, Zijian, et al.
Veröffentlicht: (2025)

Optimal Model Selection for Conformalized Robust Optimization
von: Bao, Yajie, et al.
Veröffentlicht: (2025)

Robust and Sparse Regression in GLM by Stochastic Optimization
von: Kawashima, Takayuki, et al.
Veröffentlicht: (2018)

Robust Bayesian Optimization via Tempered Posteriors
von: Li, Jiguang, et al.
Veröffentlicht: (2026)

Robust, Accurate Stochastic Optimization for Variational Inference
von: Dhaka, Akash Kumar, et al.
Veröffentlicht: (2020)

Robust Validation: Confident Predictions Even When Distributions Shift
von: Cauchois, Maxime, et al.
Veröffentlicht: (2020)

Multiply Robust Estimation for Local Distribution Shifts with Multiple Domains
von: Wilkins-Reeves, Steven, et al.
Veröffentlicht: (2024)

Incorporating Interventional Independence Improves Robustness against Interventional Distribution Shift
von: Sreekumar, Gautam, et al.
Veröffentlicht: (2025)