Buchumschlag

Copula-Stein Discrepancy: A Generator-Based Stein Operator for Archimedean Dependence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aich, Agnideep, Aich, Ashit Baran
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Copula Discrepancy: Benchmarking Dependence Structure
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Deep Copula Classifier: Theory, Consistency, and Empirical Evaluation
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

The Minimax Lower Bound of Kernel Stein Discrepancy Estimation
von: Cribeiro-Ramallo, Jose, et al.
Veröffentlicht: (2025)

IGNIS: A Robust Neural Network Framework for Constrained Parameter Estimation in Archimedean Copulas
von: Aich, Agnideep
Veröffentlicht: (2025)

From Sublinear to Linear: Local Convergence in Finite-Width Networks via Locally Polyak-Lojasiewicz Regions
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Symplectic Generative Networks (SGNs): A Hamiltonian Framework for Invertible Deep Generative Modeling
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Temporal Conformal Prediction (TCP): A Distribution-Free Statistical and Machine Learning Framework for Adaptive Risk Forecasting
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Bayesian Inference for Joint Tail Risk in Paired Biomarkers via Archimedean Copulas with Restricted Jeffreys Priors
von: Aich, Agnideep, et al.
Veröffentlicht: (2026)

Bag of Coins: A Statistical Probe into Neural Confidence Structures
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

A2 Copula-Driven Spatial Bayesian Neural Network For Modeling Non-Gaussian Dependence: A Simulation Study
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Copula Based Fusion of Clinical and Genomic Machine Learning Risk Scores for Breast Cancer Risk Stratification
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

A Copula Based Supervised Filter for Feature Selection in Diabetes Risk Prediction Using Machine Learning
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Sequential Kernelized Stein Discrepancy
von: Martinez-Taboada, Diego, et al.
Veröffentlicht: (2024)

Stein Discrepancy for Unsupervised Domain Adaptation
von: von Seeger, Anneke, et al.
Veröffentlicht: (2025)

Controlling Moments with Kernel Stein Discrepancies
von: Kanagawa, Heishiro, et al.
Veröffentlicht: (2022)

The Polynomial Stein Discrepancy for Assessing Moment Convergence
von: Srinivasan, Narayan, et al.
Veröffentlicht: (2024)

Neural Operator Variational Inference based on Regularized Stein Discrepancy for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2023)

Nyström Kernel Stein Discrepancy
von: Kalinke, Florian, et al.
Veröffentlicht: (2024)

Low Stein Discrepancy via Message-Passing Monte Carlo
von: Kirk, Nathan, et al.
Veröffentlicht: (2025)

Gradient Estimation with Discrete Stein Operators
von: Shi, Jiaxin, et al.
Veröffentlicht: (2022)

Data-centric Prediction Explanation via Kernelized Stein Discrepancy
von: Sarvmaili, Mahtab, et al.
Veröffentlicht: (2024)

ELBOing Stein: Variational Bayes with Stein Mixture Inference
von: Rønning, Ola, et al.
Veröffentlicht: (2024)

Nyström Kernel Stein Discrepancy Tests
von: Kalinke, Florian, et al.
Veröffentlicht: (2026)

A Pure Hypothesis Test for Inhomogeneous Random Graph Models Based on a Kernelised Stein Discrepancy
von: Fatima, Anum, et al.
Veröffentlicht: (2025)

Archimedean Copula Inference via Taylor-Mode AD
von: Yang, Cambridge, et al.
Veröffentlicht: (2026)

TASTE: Task-Aware Out-of-Distribution Detection via Stein Operators
von: Kozyra, Michał, et al.
Veröffentlicht: (2026)

Stein Random Feature Regression
von: Warren, Houston, et al.
Veröffentlicht: (2024)

SteinGen: Generating Fidelitous and Diverse Graph Samples
von: Reinert, Gesine, et al.
Veröffentlicht: (2024)

Stein-Encoder: A White-Box Supervised Encoder via Stein Identities in Multi-Modal Studies
von: Zhang, Jiarui, et al.
Veröffentlicht: (2026)

Efficient Learning of Stationary Diffusions with Stein-type Discrepancies
von: Bleile, Fabian, et al.
Veröffentlicht: (2026)

Minimax Optimal Goodness-of-Fit Testing with Kernel Stein Discrepancy
von: Hagrass, Omar, et al.
Veröffentlicht: (2024)

Constrained Stein Variational Trajectory Optimization
von: Power, Thomas, et al.
Veröffentlicht: (2023)

Generating realistic global precipitation fields from modelled atmospheric circulation
von: Aich, Michael, et al.
Veröffentlicht: (2025)

Stein Variational Newton Neural Network Ensembles
von: Flöge, Klemens, et al.
Veröffentlicht: (2024)

A Stein Identity for q-Gaussians with Bounded Support
von: Sklaviadis, Sophia, et al.
Veröffentlicht: (2026)

Fast, Scale-Adaptive, and Uncertainty-Aware Downscaling of Earth System Model Fields with Generative Machine Learning
von: Hess, Philipp, et al.
Veröffentlicht: (2024)

Approximate Stein Classes for Truncated Density Estimation
von: Williams, Daniel J., et al.
Veröffentlicht: (2023)

Stein transport for Bayesian inference
von: Nüsken, Nikolas
Veröffentlicht: (2024)

Stein Variational Evolution Strategies
von: Braun, Cornelius V., et al.
Veröffentlicht: (2024)

LatentGAN Autoencoder: Learning Disentangled Latent Distribution
von: Kalwar, Sanket, et al.
Veröffentlicht: (2022)