Copertina

Learning discrete Bayesian networks with hierarchical Dirichlet shrinkage

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Dombowsky, Alexander, Dunson, David B.
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Product Centered Dirichlet Processes for Bayesian Multiview Clustering
di: Dombowsky, Alexander, et al.
Pubblicazione: (2023)

Bayesian Clustering via Fusing of Localized Densities
di: Dombowsky, Alexander, et al.
Pubblicazione: (2023)

Nearest Neighbor Dirichlet Mixtures
di: Chattopadhyay, Shounak, et al.
Pubblicazione: (2020)

Spike-and-slab shrinkage priors for structurally sparse Bayesian neural networks
di: Jantre, Sanket, et al.
Pubblicazione: (2023)

A note on simulation methods for the Dirichlet-Laplace prior
di: Gruber, Luis, et al.
Pubblicazione: (2025)

Inference on covariance structure in high-dimensional multi-view data
di: Mauri, Lorenzo, et al.
Pubblicazione: (2025)

Tail-adaptive Bayesian shrinkage
di: Lee, Se Yoon, et al.
Pubblicazione: (2020)

Sequential Gibbs Posteriors with Applications to Principal Component Analysis
di: Winter, Steven, et al.
Pubblicazione: (2023)

Bayesian Joint Additive Factor Models for Multiview Learning
di: Anceschi, Niccolo, et al.
Pubblicazione: (2024)

Nonparametric predictive inference for discrete data via Metropolis-adjusted Dirichlet sequences
di: Agnoletto, Davide, et al.
Pubblicazione: (2025)

Spectral decomposition-assisted multi-study factor analysis
di: Mauri, Lorenzo, et al.
Pubblicazione: (2025)

Nonparametric IPSS: Fast, flexible feature selection with false discovery control
di: Melikechi, Omar, et al.
Pubblicazione: (2024)

Logistic-beta processes for dependent random probabilities with beta marginals
di: Lee, Changwoo J., et al.
Pubblicazione: (2024)

Group selection and shrinkage: Structured sparsity for semiparametric additive models
di: Thompson, Ryan, et al.
Pubblicazione: (2021)

Guiding adaptive shrinkage by co-data to improve regression-based prediction and feature selection
di: van de Wiel, Mark A., et al.
Pubblicazione: (2024)

A Dirichlet stochastic block model for composition-weighted networks
di: Promskaia, Iuliia, et al.
Pubblicazione: (2024)

On the Posterior Computation Under the Dirichlet-Laplace Prior
di: Onorati, Paolo, et al.
Pubblicazione: (2025)

Multiplex Dirichlet stochastic block model for clustering multidimensional compositional networks
di: Promskaia, Iuliia, et al.
Pubblicazione: (2024)

VICatMix: variational Bayesian clustering and variable selection for discrete biomedical data
di: Rao, Jackie, et al.
Pubblicazione: (2024)

Reducing the dimensionality and granularity in hierarchical categorical variables
di: Wilsens, Paul, et al.
Pubblicazione: (2024)

Ledoit-Wolf linear shrinkage with unknown mean
di: Oriol, Benoit, et al.
Pubblicazione: (2023)

Spatial meshing for general Bayesian multivariate models
di: Peruzzi, Michele, et al.
Pubblicazione: (2022)

The diameter of a stochastic matrix: A new measure for sensitivity analysis in Bayesian networks
di: Leonelli, Manuele, et al.
Pubblicazione: (2024)

Factor pre-training in Bayesian multivariate logistic models
di: Mauri, Lorenzo, et al.
Pubblicazione: (2024)

Dirichlet Process-based Robust Clustering using the Median-of-Means Estimator
di: Basu, Supratik, et al.
Pubblicazione: (2023)

Dynamic Bayesian Learning for Spatiotemporal Mechanistic Models
di: Banerjee, Sudipto, et al.
Pubblicazione: (2022)

Optimal Transport on Categorical Data for Counterfactuals using Compositional Data and Dirichlet Transport
di: Machado, Agathe Fernandes, et al.
Pubblicazione: (2025)

A Meta-Learning Approach to Bayesian Causal Discovery
di: Dhir, Anish, et al.
Pubblicazione: (2024)

PAC-Bayesian Reward-Certified Outcome Weighted Learning
di: Ishikawa, Yuya, et al.
Pubblicazione: (2026)

Total robustness in Bayesian Nonlinear Regression
di: Chen, Mengqi, et al.
Pubblicazione: (2025)

Dirichlet process mixtures of block $g$ priors for model selection and prediction in linear models
di: Porwal, Anupreet, et al.
Pubblicazione: (2024)

Collaborative Contextual Bayesian Optimization
di: Chang, Chih-Yu, et al.
Pubblicazione: (2026)

Improving Active Learning with a Bayesian Representation of Epistemic Uncertainty
di: Thomas, Jake, et al.
Pubblicazione: (2024)

Bayesian Latent Class Regression with Interpretable Binary Profiles
di: Zhou, Yuren, et al.
Pubblicazione: (2025)

Hard and Soft EM in Bayesian Network Learning from Incomplete Data
di: Ruggieri, Andrea, et al.
Pubblicazione: (2020)

Generative Bayesian Filtering and Parameter Learning
di: Marcelli, Edoardo, et al.
Pubblicazione: (2025)

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries
di: Wu, Bohan, et al.
Pubblicazione: (2025)

Scalable Monte Carlo for Bayesian Learning
di: Fearnhead, Paul, et al.
Pubblicazione: (2024)

Temperature Optimization for Bayesian Deep Learning
di: Ng, Kenyon, et al.
Pubblicazione: (2024)

Besag-Clifford e-values for unnormalized testing
di: Dombowsky, Alexander, et al.
Pubblicazione: (2026)