Buchumschlag

A Practical Introduction to Kernel Discrepancies: MMD, HSIC & KSD

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Schrab, Antonin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Unified View of Optimal Kernel Hypothesis Testing
von: Schrab, Antonin
Veröffentlicht: (2025)

Robust Kernel Hypothesis Testing under Data Corruption
von: Schrab, Antonin, et al.
Veröffentlicht: (2024)

Differentially Private Permutation Tests: Applications to Kernel Methods
von: Kim, Ilmun, et al.
Veröffentlicht: (2023)

Regularized $f$-Divergence Kernel Tests
von: Ribero, Mónica, et al.
Veröffentlicht: (2026)

Practical Kernel Tests of Conditional Independence
von: Pogodin, Roman, et al.
Veröffentlicht: (2024)

DUAL: Learning Diverse Kernels for Aggregated Two-sample and Independence Testing
von: Zhou, Zhijian, et al.
Veröffentlicht: (2025)

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

Generative Sliced MMD Flows with Riesz Kernels
von: Hertrich, Johannes, et al.
Veröffentlicht: (2023)

Credal Two-Sample Tests of Epistemic Uncertainty
von: Chau, Siu Lun, et al.
Veröffentlicht: (2024)

MMD-OPT : Maximum Mean Discrepancy Based Sample Efficient Collision Risk Minimization for Autonomous Driving
von: Sharma, Basant, et al.
Veröffentlicht: (2024)

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

H-SPLID: HSIC-based Saliency Preserving Latent Information Decomposition
von: Miklautz, Lukas, et al.
Veröffentlicht: (2025)

Semiparametric KSD test: unifying score and distance-based approaches for goodness-of-fit testing
von: Huang, Zhihan, et al.
Veröffentlicht: (2025)

The Minimax Rate of HSIC Estimation for Translation-Invariant Kernels
von: Kalinke, Florian, et al.
Veröffentlicht: (2024)

Posterior Sampling Based on Gradient Flows of the MMD with Negative Distance Kernel
von: Hagemann, Paul, et al.
Veröffentlicht: (2023)

Stationary MMD Points
von: Chen, Zonghao, et al.
Veröffentlicht: (2025)

Kernel Selection is Model Selection: A Unified Complexity-Penalized Approach for MMD Two-Sample Tests
von: Ni, Yijin, et al.
Veröffentlicht: (2026)

Linear cost mutual information estimation and independence test of similar performance as HSIC
von: Duda, Jarek, et al.
Veröffentlicht: (2025)

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

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

Sobolev Regularized MMD Gradient Flow
von: Tian, Chenyang, et al.
Veröffentlicht: (2026)

MMD-Newton Method for Multi-objective Optimization
von: Wang, Hao, et al.
Veröffentlicht: (2025)

MMD-Regularized Unbalanced Optimal Transport
von: Manupriya, Piyushi, et al.
Veröffentlicht: (2020)

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

Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding
von: Li, Depeng, et al.
Veröffentlicht: (2024)

MMD-based Variable Importance for Distributional Random Forest
von: Bénard, Clément, et al.
Veröffentlicht: (2023)

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

Learning Majority-to-Minority Transformations with MMD and Triplet Loss for Imbalanced Classification
von: Cha, Suman, et al.
Veröffentlicht: (2025)

Sculpting Latent Spaces With MMD: Disentanglement With Programmable Priors
von: Fruytier, Quentin, et al.
Veröffentlicht: (2025)

Deep MMD Gradient Flow without adversarial training
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

HistoKernel: Whole Slide Image Level Maximum Mean Discrepancy Kernels for Pan-Cancer Predictive Modelling
von: Keller, Piotr, et al.
Veröffentlicht: (2024)

KerJEPA: Kernel Discrepancies for Euclidean Self-Supervised Learning
von: Zimmermann, Eric, et al.
Veröffentlicht: (2025)

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

Neural Wasserstein Gradient Flows for Maximum Mean Discrepancies with Riesz Kernels
von: Altekrüger, Fabian, et al.
Veröffentlicht: (2023)

Spatially Resolved Gene Expression Prediction from Histology via Multi-view Graph Contrastive Learning with HSIC-bottleneck Regularization
von: Chi, Changxi, et al.
Veröffentlicht: (2024)

Feature-Weighted MMD-CORAL for Domain Adaptation in Power Transformer Fault Diagnosis
von: Mahmoodiyan, Hootan, et al.
Veröffentlicht: (2025)

Wasserstein Gradient Flows of MMD Functionals with Distance Kernel and Cauchy Problems on Quantile Functions
von: Duong, Richard, et al.
Veröffentlicht: (2024)

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

Oh SnapMMD! Forecasting Stochastic Dynamics Beyond the Schrödinger Bridge's End
von: Berlinghieri, Renato, et al.
Veröffentlicht: (2025)

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