Buchumschlag

Risk Analysis and Design Against Adversarial Actions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Campi, Marco C., Carè, Algo, Crespo, Luis G., Garatti, Simone, Ramponi, Federico A.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Compression, Generalization and Learning
von: Campi, Marco C., et al.
Veröffentlicht: (2023)

Scenario Approach with Post-Design Certification of User-Specified Properties
von: Carè, Algo, et al.
Veröffentlicht: (2026)

Signed-Perturbed Sums Estimation of ARX Systems: Exact Coverage and Strong Consistency (Extended Version)
von: Carè, Algo, et al.
Veröffentlicht: (2024)

Scenario theory for multi-criteria data-driven decision making
von: Garatti, Simone, et al.
Veröffentlicht: (2026)

On the Statistical Properties of Generative Adversarial Models for Low Intrinsic Data Dimension
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Adversarial Subspace Generation for Outlier Detection in High-Dimensional Data
von: Cribeiro-Ramallo, Jose, et al.
Veröffentlicht: (2025)

Generalizability of Neural Networks Minimizing Empirical Risk Based on Expressive Ability
von: Yu, Lijia, et al.
Veröffentlicht: (2025)

RACER: Risk-Aware Calibrated Efficient Routing for Large Language Models
von: Hao, Sai, et al.
Veröffentlicht: (2026)

Conformal Risk Control
von: Angelopoulos, Anastasios N., et al.
Veröffentlicht: (2022)

A Diffusion Analysis of Policy Gradient for Stochastic Bandits
von: Lattimore, Tor
Veröffentlicht: (2026)

A Statistical Analysis of Deep Federated Learning for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Towards a Sharp Analysis of Offline Policy Learning for $f$-Divergence-Regularized Contextual Bandits
von: Zhao, Qingyue, et al.
Veröffentlicht: (2025)

A Theory of the Risk for Optimization with Relaxation and its Application to Support Vector Machines
von: Campi, Marco C., et al.
Veröffentlicht: (2020)

When Can We Reuse a Calibration Set for Multiple Conformal Predictions?
von: Balinsky, A. A., et al.
Veröffentlicht: (2025)

Enhancing Conformal Prediction Using E-Test Statistics
von: Balinsky, A. A., et al.
Veröffentlicht: (2024)

Interaction Testing in Variation Analysis
von: Plecko, Drago
Veröffentlicht: (2024)

Training Implicit Generative Models via an Invariant Statistical Loss
von: de Frutos, José Manuel, et al.
Veröffentlicht: (2024)

MESSY Estimation: Maximum-Entropy based Stochastic and Symbolic densitY Estimation
von: Tohme, Tony, et al.
Veröffentlicht: (2023)

Variational Causal Inference
von: Wu, Yulun, et al.
Veröffentlicht: (2022)

Optimal rates for density and mode estimation with expand-and-sparsify representations
von: Sinha, Kaushik, et al.
Veröffentlicht: (2026)

Influence functions and regularity tangents for efficient active learning
von: Eaton, Frederik
Veröffentlicht: (2024)

Efficient Knowledge Distillation via Curriculum Extraction
von: Gupta, Shivam, et al.
Veröffentlicht: (2025)

From Spikes to Heavy Tails: Unveiling the Spectral Evolution of Neural Networks
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)

Navigating the Exploration-Exploitation Tradeoff in Inference-Time Scaling of Diffusion Models
von: Su, Xun, et al.
Veröffentlicht: (2025)

A Theory of the Mechanics of Information: Generalization Through Measurement of Uncertainty (Learning is Measuring)
von: Hazard, Christopher J., et al.
Veröffentlicht: (2025)

Solving a Research Problem in Mathematical Statistics with AI Assistance
von: Dobriban, Edgar
Veröffentlicht: (2025)

Generalising realisability in statistical learning theory under epistemic uncertainty
von: Cuzzolin, Fabio
Veröffentlicht: (2024)

Identifiability of Potentially Degenerate Gaussian Mixture Models With Piecewise Affine Mixing
von: Xu, Danru, et al.
Veröffentlicht: (2026)

Cross-regularization: Adaptive Model Complexity through Validation Gradients
von: Brito, Carlos Stein
Veröffentlicht: (2025)

Residual Feature Integration is Sufficient to Prevent Negative Transfer
von: Xu, Yichen, et al.
Veröffentlicht: (2025)

Generalization Properties of Score-matching Diffusion Models for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2026)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
von: Kontorovich, Aryeh, et al.
Veröffentlicht: (2026)

Labels or Preferences? Budget-Constrained Learning with Human Judgments over AI-Generated Outputs
von: Dong, Zihan, et al.
Veröffentlicht: (2026)

Dense associative memory for Gaussian distributions
von: Tankala, Chandan, et al.
Veröffentlicht: (2025)

U-Nets as Belief Propagation: Efficient Classification, Denoising, and Diffusion in Generative Hierarchical Models
von: Mei, Song
Veröffentlicht: (2024)

On the Statistical Capacity of Deep Generative Models
von: Tam, Edric, et al.
Veröffentlicht: (2025)

Provable Robust Overfitting Mitigation in Wasserstein Distributionally Robust Optimization
von: Liu, Shuang, et al.
Veröffentlicht: (2025)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

Adaptive Sample Aggregation In Transfer Learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2024)

How Particle-System Random Batch Methods Enhance Graph Transformer: Memory Efficiency and Parallel Computing Strategy
von: Liu, Hanwen, et al.
Veröffentlicht: (2025)