Copertina

dnamite: A Python Package for Neural Additive Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Van Ness, Mike, Udell, Madeleine
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

DNAMite: Interpretable Calibrated Survival Analysis with Discretized Additive Models
di: Van Ness, Mike, et al.
Pubblicazione: (2024)

Interpretable Prediction and Feature Selection for Survival Analysis
di: Van Ness, Mike, et al.
Pubblicazione: (2024)

BARMPy: Bayesian Additive Regression Models Python Package
di: Van Boxel, Danielle
Pubblicazione: (2024)

Enhancing Physics-Informed Neural Networks Through Feature Engineering
di: Fazliani, Shaghayegh, et al.
Pubblicazione: (2025)

PDE-SHARP: PDE Solver Hybrids through Analysis and Refinement Passes
di: Fazliani, Shaghayegh, et al.
Pubblicazione: (2025)

SnareNet: Flexible Repair Layers for Neural Networks with Hard Constraints
di: Chu, Ya-Chi, et al.
Pubblicazione: (2026)

SAPPHIRE: Preconditioned Stochastic Variance Reduction for Faster Large-Scale Statistical Learning
di: Sun, Jingruo, et al.
Pubblicazione: (2025)

NUBO: A Transparent Python Package for Bayesian Optimization
di: Diessner, Mike, et al.
Pubblicazione: (2023)

Small Gradient Norm Regret for Online Convex Optimization
di: Gao, Wenzhi, et al.
Pubblicazione: (2026)

SketchySGD: Reliable Stochastic Optimization via Randomized Curvature Estimates
di: Frangella, Zachary, et al.
Pubblicazione: (2022)

PROMISE: Preconditioned Stochastic Optimization Methods by Incorporating Scalable Curvature Estimates
di: Frangella, Zachary, et al.
Pubblicazione: (2023)

LLMs for Cold-Start Cutting Plane Separator Configuration
di: Lawless, Connor, et al.
Pubblicazione: (2024)

Gradient Methods with Online Scaling Part I. Theoretical Foundations
di: Gao, Wenzhi, et al.
Pubblicazione: (2025)

Provable and Practical Online Learning Rate Adaptation with Hypergradient Descent
di: Chu, Ya-Chi, et al.
Pubblicazione: (2025)

Gradient Methods with Online Scaling Part II. Practical Aspects
di: Chu, Ya-Chi, et al.
Pubblicazione: (2025)

Gradient Methods with Online Scaling
di: Gao, Wenzhi, et al.
Pubblicazione: (2024)

Challenges in Training PINNs: A Loss Landscape Perspective
di: Rathore, Pratik, et al.
Pubblicazione: (2024)

ShapeBench: A Scalable Benchmark and Diagnostic Suite for Standardized Evaluation in Aerodynamic Shape Optimization
di: Fazliani, Shaghayegh, et al.
Pubblicazione: (2026)

Understanding Fixed Predictions via Confined Regions
di: Lawless, Connor, et al.
Pubblicazione: (2025)

OGBoost: A Python Package for Ordinal Gradient Boosting
di: Sharabiani, Mansour T. A., et al.
Pubblicazione: (2025)

milearn: A Python Package for Multi-Instance Machine Learning
di: Zankov, Dmitry, et al.
Pubblicazione: (2025)

Simulation-based Inference with the Python Package sbijax
di: Dirmeier, Simon, et al.
Pubblicazione: (2024)

LLM-IE: A Python Package for Generative Information Extraction with Large Language Models
di: Hsu, Enshuo, et al.
Pubblicazione: (2024)

neuralGAM: An R Package for Fitting Generalized Additive Neural Networks
di: Ortega-Fernandez, Ines, et al.
Pubblicazione: (2025)

bde: A Python Package for Bayesian Deep Ensembles via MILE
di: Arvanitis, Vyron, et al.
Pubblicazione: (2026)

Turbocharging Gaussian Process Inference with Approximate Sketch-and-Project
di: Rathore, Pratik, et al.
Pubblicazione: (2025)

UQLM: A Python Package for Uncertainty Quantification in Large Language Models
di: Bouchard, Dylan, et al.
Pubblicazione: (2025)

RobPy: a Python Package for Robust Statistical Methods
di: Leyder, Sarah, et al.
Pubblicazione: (2024)

hyppo: A Multivariate Hypothesis Testing Python Package
di: Panda, Sambit, et al.
Pubblicazione: (2019)

scikit-fda: A Python Package for Functional Data Analysis
di: Ramos-Carreño, Carlos, et al.
Pubblicazione: (2022)

StepMix: A Python Package for Pseudo-Likelihood Estimation of Generalized Mixture Models with External Variables
di: Morin, Sacha, et al.
Pubblicazione: (2023)

Torch-Choice: A PyTorch Package for Large-Scale Choice Modeling with Python
di: Du, Tianyu, et al.
Pubblicazione: (2023)

regAL: Python Package for Active Learning of Regression Problems
di: Surzhikova, Elizaveta, et al.
Pubblicazione: (2024)

Have ASkotch: A Neat Solution for Large-scale Kernel Ridge Regression
di: Rathore, Pratik, et al.
Pubblicazione: (2024)

PyDTS: A Python Package for Discrete-Time Survival Analysis with Competing Risks and Optional Penalization
di: Meir, Tomer, et al.
Pubblicazione: (2022)

eipy: An Open-Source Python Package for Multi-modal Data Integration using Heterogeneous Ensembles
di: Bennett, Jamie J. R., et al.
Pubblicazione: (2024)

Improving Neural Additive Models with Bayesian Principles
di: Bouchiat, Kouroche, et al.
Pubblicazione: (2023)

PyDPF: A Python Package for Differentiable Particle Filtering
di: Brady, John-Joseph, et al.
Pubblicazione: (2025)

Bayesian Additive Regression Networks
di: Van Boxel, Danielle
Pubblicazione: (2024)

MissMecha: An All-in-One Python Package for Studying Missing Data Mechanisms
di: Zhou, Youran, et al.
Pubblicazione: (2025)