:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Wanxin, Park, Yongjin P., Duc, Khanh Dao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2510.04114
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Wasserstein F-tests for Fréchet regression on Bures-Wasserstein manifolds
von: Xu, Haoshu, et al.
Veröffentlicht: (2024)

CryoSAMU: Enhancing 3D Cryo-EM Density Maps of Protein Structures at Intermediate Resolution with Structure-Aware Multimodal U-Nets
von: Zhang, Chenwei, et al.
Veröffentlicht: (2025)

Struc2mapGAN: improving synthetic cryo-EM density maps with generative adversarial networks
von: Zhang, Chenwei, et al.
Veröffentlicht: (2024)

Scalable Identification and Prioritization of Requisition-Specific Personal Competencies Using Large Language Models
von: Li, Wanxin, et al.
Veröffentlicht: (2026)

Centered plug-in estimation of Wasserstein distances
von: Papp, Tamás P., et al.
Veröffentlicht: (2022)

Wasserstein multivariate auto-regressive models for modeling distributional time series
von: Jiang, Yiye, et al.
Veröffentlicht: (2022)

The Joint Gromov Wasserstein Objective for Multiple Object Matching
von: Riahi, Aryan Tajmir, et al.
Veröffentlicht: (2025)

Test of partial effects for Frechet regression on Bures-Wasserstein manifolds
von: Xu, Haoshu, et al.
Veröffentlicht: (2025)

Max-sliced 2-Wasserstein distance
von: Boedihardjo, March T.
Veröffentlicht: (2024)

A dimensionality reduction technique based on the Gromov-Wasserstein distance
von: Eufrazio, Rafael P., et al.
Veröffentlicht: (2025)

On Wasserstein distances for affine transformations of random vectors
von: Hamm, Keaton, et al.
Veröffentlicht: (2023)

Note on computational complexity of the Gromov-Wasserstein distance
von: Kravtsova, Natalia
Veröffentlicht: (2024)

Estimation and inference for the Wasserstein distance between mixing measures in topic models
von: Bing, Xin, et al.
Veröffentlicht: (2022)

Sharp bounds for max-sliced Wasserstein distances
von: Boedihardjo, March T.
Veröffentlicht: (2024)

An in depth look at the Procrustes-Wasserstein distance: properties and barycenters
von: Adamo, Davide, et al.
Veröffentlicht: (2025)

Repulsive Monte Carlo on the sphere for the sliced Wasserstein distance
von: Petrovic, Vladimir, et al.
Veröffentlicht: (2025)

Metric properties of partial and robust Gromov-Wasserstein distances
von: Chhoa, Jannatul, et al.
Veröffentlicht: (2024)

Fréchet Regression on the Bures-Wasserstein Manifold
von: Nguyen, Duc Toan, et al.
Veröffentlicht: (2026)

Fast unsupervised ground metric learning with tree-Wasserstein distance
von: Düsterwald, Kira M., et al.
Veröffentlicht: (2024)

Enhancing selectivity using Wasserstein distance based reweighing
von: Worah, Pratik
Veröffentlicht: (2024)

Gaussian process regression with Sliced Wasserstein Weisfeiler-Lehman graph kernels
von: Perez, Raphaël Carpintero, et al.
Veröffentlicht: (2024)

On minimizing the training set fill distance in machine learning regression
von: Climaco, Paolo, et al.
Veröffentlicht: (2023)

A least distance estimator for a multivariate regression model using deep neural networks
von: Shin, Jungmin, et al.
Veröffentlicht: (2024)

Spectral Entropy Collapse as a Phase Transition in Delayed Generalisation: An Interventional and Predictive Framework for Grokkin
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

The Norm-Separation Delay Law of Grokking: A First-Principles Theory of Delayed Generalization
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

First-Passage Prediction of Grokking Delay: ACalibrated Law under AdamW with Causal Validation
von: Khanh, Truong Xuan, et al.
Veröffentlicht: (2026)

Accelerated Multiple Wasserstein Gradient Flows for Multi-objective Distributional Optimization
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2026)

SLIDE: a surrogate fairness constraint to ensure fairness consistency
von: Kim, Kunwoong, et al.
Veröffentlicht: (2022)

Overcoming error-in-variable problem in data-driven model discovery by orthogonal distance regression
von: Fung, Lloyd
Veröffentlicht: (2025)

Tight Robustness Certificates and Wasserstein Distributional Attacks for Deep Neural Networks
von: Le, Bach C., et al.
Veröffentlicht: (2025)

Active Learning for Regression based on Wasserstein distance and GroupSort Neural Networks
von: Bobbia, Benjamin, et al.
Veröffentlicht: (2024)

RoDiF: Robust Direct Fine-Tuning of Diffusion Policies with Corrupted Human Feedback
von: Vatsa, Amitesh, et al.
Veröffentlicht: (2026)

Improved Training Technique for Latent Consistency Models
von: Dao, Quan, et al.
Veröffentlicht: (2025)

GETA-3DGS: Automatic Joint Structured Pruning and Quantization for 3D Gaussian Splatting
von: Zhang, Baobing, et al.
Veröffentlicht: (2026)

SLEEPYLAND: trust begins with fair evaluation of automatic sleep staging models
von: Rossi, Alvise Dei, et al.
Veröffentlicht: (2025)

Minimum Wasserstein distance estimator under covariate shift: closed-form, super-efficiency and irregularity
von: Lang, Junjun, et al.
Veröffentlicht: (2026)

Audio-3DVG: Unified Audio -- Point Cloud Fusion for 3D Visual Grounding
von: Cao-Dinh, Duc, et al.
Veröffentlicht: (2025)

Correction to "Wasserstein distance estimates for the distributions of numerical approximations to ergodic stochastic differential equations"
von: Paulin, Daniel, et al.
Veröffentlicht: (2024)

Lipschitz-aware Linearity Grafting for Certified Robustness
von: Han, Yongjin, et al.
Veröffentlicht: (2025)

Semiparametric KSD test: unifying score and distance-based approaches for goodness-of-fit testing
von: Huang, Zhihan, et al.
Veröffentlicht: (2025)