Buchumschlag

Estimating Unbounded Density Ratios: Applications in Error Control under Covariate Shift

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Shuntuo, Yu, Zhou, Huang, Jian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning 62G05, 62G08, 68T07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Wasserstein Distributionally Robust Nonparametric Regression
von: Liu, Changyu, et al.
Veröffentlicht: (2025)

From Conditional to Unconditional Independence: Testing Conditional Independence via Transport Maps
von: He, Chenxuan, et al.
Veröffentlicht: (2025)

TILT: Target-induced loss tilting under covariate shift
von: Yamamoto, Kakei, et al.
Veröffentlicht: (2026)

Variance-Reduced Manifold Sampling via Polynomial-Maximization Density Estimation
von: Zabolotnii, Serhii
Veröffentlicht: (2026)

Generalization Error of GAN from the Discriminator's Perspective
von: Yang, Hongkang, et al.
Veröffentlicht: (2021)

Transfer Learning through Enhanced Sufficient Representation: Enriching Source Domain Knowledge with Target Data
von: Ge, Yeheng, et al.
Veröffentlicht: (2025)

Fair Sufficient Representation Learning
von: Zhou, Xueyu, et al.
Veröffentlicht: (2025)

Bayesian Power Steering: An Effective Approach for Domain Adaptation of Diffusion Models
von: Huang, Ding, et al.
Veröffentlicht: (2024)

Conditional Stochastic Interpolation for Generative Learning
von: Huang, Ding, et al.
Veröffentlicht: (2023)

Gaussian Interpolation Flows
von: Gao, Yuan, et al.
Veröffentlicht: (2023)

Convergence of Continuous Normalizing Flows for Learning Probability Distributions
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Machine Collaboration
von: Liu, Qingfeng, et al.
Veröffentlicht: (2021)

Generalized Factor Neural Network Model for High-dimensional Regression
von: Guo, Zichuan, et al.
Veröffentlicht: (2025)

Optimal In-context Adaptivity and Distributional Robustness of Transformers
von: Ma, Tianyi, et al.
Veröffentlicht: (2025)

Efficient and Minimax Optimal In-context Nonparametric Regression with Transformers
von: Ching, Michelle, et al.
Veröffentlicht: (2026)

Pseudo-Labeling for Kernel Ridge Regression under Covariate Shift
von: Wang, Kaizheng
Veröffentlicht: (2023)

Jacobian-Velocity Bounds for Deployment Risk Under Covariate Drift
von: Landers, Jonathan R.
Veröffentlicht: (2026)

Estimation and Uniform Inference in Sparse High-Dimensional Additive Models
von: Bach, Philipp, et al.
Veröffentlicht: (2020)

Bayesian Neural Networks vs. Mixture Density Networks: Theoretical and Empirical Insights for Uncertainty-Aware Nonlinear Modeling
von: Ghosh, Riddhi Pratim, et al.
Veröffentlicht: (2025)

Differentiable Neural Networks with RePU Activation: with Applications to Score Estimation and Isotonic Regression
von: Shen, Guohao, et al.
Veröffentlicht: (2023)

Data-driven Error Estimation: Excess Risk Bounds without Class Complexity as Input
von: Krishnamurthy, Sanath Kumar, et al.
Veröffentlicht: (2024)

A Minimax Theory of Nonparametric Regression Under Covariate Shift
von: Zamolodtchikov, Petr
Veröffentlicht: (2026)

Ranking Perspective for Tree-based Methods with Applications to Symbolic Feature Selection
von: Luo, Hengrui, et al.
Veröffentlicht: (2024)

Multi-Head Attention as Ensemble Nadaraya-Watson Estimation: Variance Reduction, Decorrelation, and Optimal Head Diversity
von: Fokoué, Ernest
Veröffentlicht: (2026)

A PAC-Bayes oracle inequality for sparse neural networks
von: Steffen, Maximilian F., et al.
Veröffentlicht: (2022)

Estimating a regression function under possible heteroscedastic and heavy-tailed errors. Application to shape-restricted regression
von: Baraud, Yannick, et al.
Veröffentlicht: (2025)

Provable Adversarial Robustness in In-Context Learning
von: Zhang, Di
Veröffentlicht: (2026)

A Benchmark Study of Classical and Dual Polynomial Regression (DPR)-Based Probability Density Estimation Technique
von: Sarkar, Shantanu, et al.
Veröffentlicht: (2025)

Alignment-Sensitive Minimax Rates for Spectral Algorithms with Learned Kernels
von: Huang, Dongming, et al.
Veröffentlicht: (2025)

Efficient Estimation of the Central Mean Subspace via Smoothed Gradient Outer Products
von: Yuan, Gan, et al.
Veröffentlicht: (2023)

A Wasserstein perspective of Vanilla GANs
von: Kunkel, Lea, et al.
Veröffentlicht: (2024)

Support-Conditioned Flow Matching Is Kernel Smoothing
von: Smola, Daniel Matsui
Veröffentlicht: (2026)

CRPS-Optimal Binning for Univariate Conformal Regression
von: Toccaceli, Paolo
Veröffentlicht: (2026)

Adaptive Density Estimation Using Projection Kernels and Penalized Comparison to Overfitting
von: Hoang, Van Ha, et al.
Veröffentlicht: (2025)

Semi-Supervised Deep Sobolev Regression: Estimation and Variable Selection by ReQU Neural Network
von: Ding, Zhao, et al.
Veröffentlicht: (2024)

On the Convergence of the ELBO to Entropy Sums
von: Lücke, Jörg, et al.
Veröffentlicht: (2022)

Generative Models with ELBOs Converging to Entropy Sums
von: Warnken, Jan, et al.
Veröffentlicht: (2024)

Statistical Properties of Deep Neural Networks with Dependent Data
von: Brown, Chad
Veröffentlicht: (2024)

Decorrelation, Diversity, and Emergent Intelligence: The Isomorphism Between Social Insect Colonies and Ensemble Machine Learning
von: Fokoué, Ernest, et al.
Veröffentlicht: (2026)

Dirichlet kernel density estimation on the simplex with missing data
von: Daayeb, Hanen, et al.
Veröffentlicht: (2026)