Buchumschlag

Statistically guided deep learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kohler, Michael, Krzyzak, Adam
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the rate of convergence of an over-parametrized Transformer classifier learned by gradient descent
von: Kohler, Michael, et al.
Veröffentlicht: (2023)

Learning of deep convolutional network image classifiers via stochastic gradient descent and over-parametrization
von: Kohler, Michael, et al.
Veröffentlicht: (2024)

Analysis of the rate of convergence of an over-parametrized convolutional neural network image classifier learned by gradient descent
von: Kohler, Michael, et al.
Veröffentlicht: (2024)

A general framework for deep learning
von: Kengne, William, et al.
Veröffentlicht: (2025)

Nonparametric logistic regression with deep learning
von: Yara, Atsutomo, et al.
Veröffentlicht: (2024)

Robust deep learning from weakly dependent data
von: Kengne, William, et al.
Veröffentlicht: (2024)

Misclassification bounds for PAC-Bayesian sparse deep learning
von: Mai, The Tien
Veröffentlicht: (2024)

Adaptive deep learning for nonlinear time series models
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2022)

Statistical learning theory and Occam's razor: The core argument
von: Sterkenburg, Tom F.
Veröffentlicht: (2023)

Predicting path-dependent processes by deep learning
von: Zheng, Xudong, et al.
Veröffentlicht: (2024)

On the rate of convergence of an over-parametrized deep neural network regression estimate learned by gradient descent
von: Kohler, Michael
Veröffentlicht: (2025)

Statistical learning on measures: an application to persistence diagrams
von: Hacquard, Olympio, et al.
Veröffentlicht: (2023)

Statistical Agnostic Regression: a machine learning method to validate regression models
von: Gorriz, Juan M, et al.
Veröffentlicht: (2024)

Causal inference through multi-stage learning and doubly robust deep neural networks
von: Zhang, Yuqian, et al.
Veröffentlicht: (2024)

Statistical physics of deep learning: Optimal learning of a multi-layer perceptron near interpolation
von: Barbier, Jean, et al.
Veröffentlicht: (2025)

A Statistical Theory of Contrastive Learning via Approximate Sufficient Statistics
von: Lin, Licong, et al.
Veröffentlicht: (2025)

Statistical optimal transport
von: Chewi, Sinho, et al.
Veröffentlicht: (2024)

Statistical Inference in Tensor Completion: Optimal Uncertainty Quantification and Statistical-to-Computational Gaps
von: Ma, Wanteng, et al.
Veröffentlicht: (2024)

Statistical Inference under Performativity
von: Li, Xiang, et al.
Veröffentlicht: (2025)

Statistical and computational challenges in ranking
von: Carpentier, Alexandra, et al.
Veröffentlicht: (2025)

Statistics of Min-max Normalized Eigenvalues in Random Matrices
von: Nakada, Hyakka, et al.
Veröffentlicht: (2025)

Towards a unified framework for guided diffusion models
von: Jiao, Yuchen, et al.
Veröffentlicht: (2025)

Statistical inference for pairwise comparison models
von: Han, Ruijian, et al.
Veröffentlicht: (2024)

Statistical Inverse Problems in Hilbert Scales
von: Rastogi, Abhishake
Veröffentlicht: (2022)

Statistical Learning Theory for Distributional Classification
von: Fiedler, Christian
Veröffentlicht: (2026)

Observable Geometry of Singular Statistical Models
von: Plummer, Sean
Veröffentlicht: (2026)

Statistical theory for image classification using deep convolutional neural networks with cross-entropy loss under the hierarchical max-pooling model
von: Kohler, Michael, et al.
Veröffentlicht: (2020)

Minimax Statistical Estimation under Wasserstein Contamination
von: Chao, Patrick, et al.
Veröffentlicht: (2023)

Statistical guarantees for denoising reflected diffusion models
von: Holk, Asbjørn, et al.
Veröffentlicht: (2024)

Stability and Accuracy Trade-offs in Statistical Estimation
von: Chakraborty, Abhinav, et al.
Veröffentlicht: (2026)

Multitask Learning and Bandits via Robust Statistics
von: Xu, Kan, et al.
Veröffentlicht: (2021)

Linear Response Estimators for Singular Statistical Models
von: Elliott, Chris, et al.
Veröffentlicht: (2026)

Gradient descent for deep equilibrium single-index models
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2025)

On the VC dimension of deep group convolutional neural networks
von: Sepliarskaia, Anna, et al.
Veröffentlicht: (2024)

Statistical analysis of Inverse Entropy-regularized Reinforcement Learning
von: Belomestny, Denis, et al.
Veröffentlicht: (2025)

Statistical Learning Guarantees for Group-Invariant Barron Functions
von: Yang, Yahong, et al.
Veröffentlicht: (2025)

Diffusion Transformers for Imputation: Statistical Efficiency and Uncertainty Quantification
von: Ye, Zeqi, et al.
Veröffentlicht: (2025)

Statistical-computational gap in multiple Gaussian graph alignment
von: Even, Bertrand, et al.
Veröffentlicht: (2025)

Information Geometry of Wasserstein Statistics on Shapes and Affine Deformations
von: Amari, Shun-ichi, et al.
Veröffentlicht: (2023)

Statistical Convergence of Spherical First Hitting Diffusion Models
von: Bienewald, Simon, et al.
Veröffentlicht: (2026)