:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiao, Yuling, Ma, Wensen, Sun, Defeng, Wang, Hansheng, Wang, Yang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Methodology
Online-Zugang:	https://arxiv.org/abs/2502.14424
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning
von: Zhang, Jiaru, et al.
Veröffentlicht: (2025)

Weak Supervision Performance Evaluation via Partial Identification
von: Polo, Felipe Maia, et al.
Veröffentlicht: (2023)

Structure-Adaptive Conformal Inference for Large-Scale Out-of-Distribution Testing
von: Sun, Rongyi, et al.
Veröffentlicht: (2026)

Adv-SSL: Adversarial Self-Supervised Representation Learning with Theoretical Guarantees
von: Duan, Chenguang, et al.
Veröffentlicht: (2024)

Uplift Modeling Under Limited Supervision
von: Panagopoulos, George, et al.
Veröffentlicht: (2024)

Beyond the Prompt in Large Language Models: Comprehension, In-Context Learning, and Chain-of-Thought
von: Jiao, Yuling, et al.
Veröffentlicht: (2026)

Distributional Off-Policy Evaluation with Deep Quantile Process Regression
von: Kuang, Qi, et al.
Veröffentlicht: (2026)

Self-Labeling in Multivariate Causality and Quantification for Adaptive Machine Learning
von: Ren, Yutian, et al.
Veröffentlicht: (2024)

Transferring Causal Effects using Proxies
von: Iglesias-Alonso, Manuel, et al.
Veröffentlicht: (2025)

Measure-Theoretic Anti-Causal Representation Learning
von: Behnam, Arman, et al.
Veröffentlicht: (2025)

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

Cross-Domain Offshore Wind Power Forecasting: Transfer Learning Through Meteorological Clusters
von: Weisser, Dominic, et al.
Veröffentlicht: (2026)

Augmenting Limited and Biased RCTs through Pseudo-Sample Matching-Based Observational Data Fusion Method
von: Han, Kairong, et al.
Veröffentlicht: (2025)

The Gauss-Markov Adjunction Provides Categorical Semantics of Residuals in Supervised Learning
von: Kamiura, Moto
Veröffentlicht: (2025)

DIGIC: Domain Generalizable Imitation Learning by Causal Discovery
von: Chen, Yang, et al.
Veröffentlicht: (2024)

De-confounding Representation Learning for Counterfactual Inference on Continuous Treatment via Generative Adversarial Network
von: Zhao, Yonghe, et al.
Veröffentlicht: (2023)

CausalGuard: Conformal Inference under Graph Uncertainty
von: Singh, Vikash, et al.
Veröffentlicht: (2026)

Joint Distribution-Informed Shapley Values for Sparse Counterfactual Explanations
von: You, Lei, et al.
Veröffentlicht: (2024)

Le Cam Distortion: A Decision-Theoretic Framework for Robust Transfer Learning
von: Akdemir, Deniz
Veröffentlicht: (2025)

RealTCD: Temporal Causal Discovery from Interventional Data with Large Language Model
von: Li, Peiwen, et al.
Veröffentlicht: (2024)

GACE: Learning Graph-Based Cross-Page Ads Embedding For Click-Through Rate Prediction
von: Wang, Haowen, et al.
Veröffentlicht: (2024)

Pessimism in the Face of Confounders: Provably Efficient Offline Reinforcement Learning in Partially Observable Markov Decision Processes
von: Lu, Miao, et al.
Veröffentlicht: (2022)

Time Series Domain Adaptation via Latent Invariant Causal Mechanism
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

M$^3$TN: Multi-gate Mixture-of-Experts based Multi-valued Treatment Network for Uplift Modeling
von: Sun, Zexu, et al.
Veröffentlicht: (2024)

A General Causal Inference Framework for Cross-Sectional Observational Data
von: Zhao, Yonghe, et al.
Veröffentlicht: (2024)

When Should an AI Workflow Release? Always-Valid Inference for Black-Box Generate-Verify Systems
von: Cho, Young Hyun, et al.
Veröffentlicht: (2026)

Is Elo Rating Reliable? A Study Under Model Misspecification
von: Tang, Shange, et al.
Veröffentlicht: (2025)

How Many Human Survey Respondents is a Large Language Model Worth? An Uncertainty Quantification Perspective
von: Huang, Chengpiao, et al.
Veröffentlicht: (2025)

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

A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models
von: Kumar, Shivam, et al.
Veröffentlicht: (2024)

Estimating and Mitigating the Congestion Effect of Curbside Pick-ups and Drop-offs: A Causal Inference Approach
von: Liu, Xiaohui, et al.
Veröffentlicht: (2022)

Causal Machine Learning for Surgical Interventions
von: Tamo, J. Ben, et al.
Veröffentlicht: (2025)

Model-Free Assessment of Simulator Fidelity via Quantile Curves
von: Iyengar, Garud, et al.
Veröffentlicht: (2025)

A Recipe for Causal Graph Regression: Confounding Effects Revisited
von: Yin, Yujia, et al.
Veröffentlicht: (2025)

Causal Temporal Regime Structure Learning
von: Rahmani, Abdellah, et al.
Veröffentlicht: (2023)

Regularized Multi-LLMs Collaboration for Enhanced Score-based Causal Discovery
von: Li, Xiaoxuan, et al.
Veröffentlicht: (2024)

TTCD:Transformer Integrated Temporal Causal Discovery from Non-Stationary Time Series Data
von: Faruque, Omar, et al.
Veröffentlicht: (2026)

Multi-Teacher Knowledge Distillation via Teacher-Informed Mixture Priors
von: Fang, Luyang, et al.
Veröffentlicht: (2026)

Causal State Distillation for Explainable Reinforcement Learning
von: Lu, Wenhao, et al.
Veröffentlicht: (2023)

Generative Augmented Inference
von: Lu, Cheng, et al.
Veröffentlicht: (2026)