Copertina

DFNN: A Deep Fréchet Neural Network Framework for Learning Metric-Space-Valued Responses

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kim, Kyum, Chen, Yaqing, Dubey, Paromita
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

DiPMInd: Distance Profile based Mutual Independence testing for random objects
di: Chen, Yaqing, et al.
Pubblicazione: (2024)

Metric Statistics: Exploration and Inference for Random Objects With Distance Profiles
di: Dubey, Paromita, et al.
Pubblicazione: (2022)

Inference for Fréchet Regression
di: Song, Wookyeong, et al.
Pubblicazione: (2026)

Deep Fréchet Regression
di: Iao, Su I, et al.
Pubblicazione: (2024)

End-to-End Deep Learning for Predicting Metric Space-Valued Outputs
di: Zhou, Yidong, et al.
Pubblicazione: (2025)

Fréchet Geodesic Boosting
di: Zhou, Yidong, et al.
Pubblicazione: (2025)

Modeling Time-Varying Random Objects and Dynamic Networks
di: Dubey, Paromita, et al.
Pubblicazione: (2021)

Change Point Inference for Non-Euclidean Data Sequences using Distance Profiles
di: Dubey, Paromita, et al.
Pubblicazione: (2023)

Integral Probability Metrics Meet Neural Networks: The Radon-Kolmogorov-Smirnov Test
di: Paik, Seunghoon, et al.
Pubblicazione: (2023)

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

On metric choice in dimension reduction for Fréchet regression
di: Soale, Abdul-Nasah, et al.
Pubblicazione: (2024)

Wasserstein Gradient Boosting: A Framework for Distribution-Valued Supervised Learning
di: Matsubara, Takuo
Pubblicazione: (2024)

Random-Effects Algorithm for Random Objects in Metric Spaces
di: Matabuena, Marcos, et al.
Pubblicazione: (2026)

Vector-Valued Distributional Reinforcement Learning Policy Evaluation: A Hilbert Space Embedding Approach
di: Mohammadi, Mehrdad, et al.
Pubblicazione: (2026)

Fréchet random forests for metric space valued regression with non euclidean predictors
di: Capitaine, Louis, et al.
Pubblicazione: (2019)

Introducing the O-Value: A Universal Standardization for Confusion-Matrix-Based Classification Performance Metrics
di: Zhao, Ningsheng, et al.
Pubblicazione: (2025)

DeepSuM: Deep Sufficient Modality Learning Framework
di: Gao, Zhe, et al.
Pubblicazione: (2025)

Minimal Sufficient Representations for Self-interpretable Deep Neural Networks
di: Tan, Zhiyao, et al.
Pubblicazione: (2026)

Online network change point detection with missing values and temporal dependence
di: Xu, Haotian, et al.
Pubblicazione: (2021)

The Contextual Lasso: Sparse Linear Models via Deep Neural Networks
di: Thompson, Ryan, et al.
Pubblicazione: (2023)

Fréchet Sufficient Dimension Reduction for Metric Space-Valued Data via Distance Covariance
di: Huang, Hsin-Hsiung, et al.
Pubblicazione: (2024)

MMCE: A Framework for Deep Monotonic Modeling of Multiple Causal Effects
di: Chen, Juhua, et al.
Pubblicazione: (2025)

Wahkon: A Statistically Principled Deep RKHS Superposition Network
di: Chen, Yongkai, et al.
Pubblicazione: (2026)

Self-Consistent Equation-guided Neural Networks for Censored Time-to-Event Data
di: Kim, Sehwan, et al.
Pubblicazione: (2025)

A VAE-based Framework for Learning Multi-Level Neural Granger-Causal Connectivity
di: Lin, Jiahe, et al.
Pubblicazione: (2024)

A Transfer Learning Framework for Multilayer Networks via Model Averaging
di: Qiu, Yongqin, et al.
Pubblicazione: (2025)

Structure Maintained Representation Learning Neural Network for Causal Inference
di: Sun, Yang, et al.
Pubblicazione: (2025)

Random matrix theory improved Fréchet mean of symmetric positive definite matrices
di: Bouchard, Florent, et al.
Pubblicazione: (2024)

Action Shapley: A Training Data Selection Metric for World Model in Reinforcement Learning
di: Ghosh, Rajat, et al.
Pubblicazione: (2026)

A Framework for Nonstationary Gaussian Processes with Neural Network Parameters
di: James, Zachary, et al.
Pubblicazione: (2025)

Towards Optimal Environmental Policies: Policy Learning under Arbitrary Bipartite Network Interference
di: Kim, Raphael C., et al.
Pubblicazione: (2024)

Conformal and kNN Predictive Uncertainty Quantification Algorithms in Metric Spaces
di: Lugosi, Gábor, et al.
Pubblicazione: (2025)

Bagged Polynomial Regression and Neural Networks
di: Klosin, Sylvia, et al.
Pubblicazione: (2022)

Adaptive Physics-Guided Neural Network
di: Shulman, David, et al.
Pubblicazione: (2024)

A Unified Framework for Inference with General Missingness Patterns and Machine Learning Imputation
di: Chen, Xingran, et al.
Pubblicazione: (2025)

Neural Bayes Estimators for Irregular Spatial Data using Graph Neural Networks
di: Sainsbury-Dale, Matthew, et al.
Pubblicazione: (2023)

Interpretable Deep Learning Methods for Multiview Learning
di: Wang, Hengkang, et al.
Pubblicazione: (2023)

Training of Spiking Neural Networks with Expectation-Propagation
di: Yao, Dan, et al.
Pubblicazione: (2025)

Factor Augmented Tensor-on-Tensor Neural Networks
di: Zhou, Guanhao, et al.
Pubblicazione: (2024)

Causal Estimation of Exposure Shifts with Neural Networks
di: Tec, Mauricio, et al.
Pubblicazione: (2023)