Buchumschlag

Bernstein-von Mises for Adaptively Collected Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Du, Kevin, Nair, Yash, Janson, Lucas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Bernstein-von Mises theorem for Semiparametric Mixtures
von: Franssen, Stefan, et al.
Veröffentlicht: (2024)

Semiparametric Bernstein-von Mises theorems for reversible diffusions
von: Giordano, Matteo, et al.
Veröffentlicht: (2025)

Bernstein-von Mises theorem for log-concave posteriors
von: Brunel, Victor-Emmanuel
Veröffentlicht: (2026)

The Bernstein-von Mises theorem for Bayesian one-pass online learning
von: Lee, Jeyong, et al.
Veröffentlicht: (2026)

Variational Bernstein-von Mises theorem with increasing parameter dimension
von: Yan, Jiawei, et al.
Veröffentlicht: (2025)

Bernstein von-Mises Theorem for g-prior and nonlocal prior
von: Fang, Xiao, et al.
Veröffentlicht: (2024)

A Bernstein-von Mises Theorem for Generalized Fiducial Distributions
von: Borgert, J. E., et al.
Veröffentlicht: (2024)

Skewed Bernstein-von Mises theorem and skew-modal approximations
von: Durante, Daniele, et al.
Veröffentlicht: (2023)

Asymptotic efficiency of inferential models and a possibilistic Bernstein--von Mises theorem
von: Martin, Ryan, et al.
Veröffentlicht: (2024)

Semi-parametric Bernstein-von Mises Theorem in a Parabolic PDE Problem
von: Magra, Adel, et al.
Veröffentlicht: (2026)

Valid Credible Ellipsoids for Linear Functionals by a Renormalized Bernstein-von Mises Theorem
von: Rømer, Gustav
Veröffentlicht: (2024)

Bernstein-von Mises theorems for time evolution equations
von: Nickl, Richard
Veröffentlicht: (2024)

Parametrization, Prior Independence, and the Semiparametric Bernstein-von Mises Theorem for the Partially Linear Model
von: Walker, Christopher D.
Veröffentlicht: (2023)

Large-sample theory for inferential models: a possibilistic Bernstein--von Mises theorem
von: Martin, Ryan, et al.
Veröffentlicht: (2024)

Improved dimension dependence in the Bernstein von Mises Theorem via a new Laplace approximation bound
von: Katsevich, Anya
Veröffentlicht: (2023)

Policy learning "without" overlap: Pessimism and generalized empirical Bernstein's inequality
von: Jin, Ying, et al.
Veröffentlicht: (2022)

Semi-parametric Bernstein-von Mises in Linear Inverse Problems
von: Magra, Adel, et al.
Veröffentlicht: (2023)

Sharp Matrix Empirical Bernstein Inequalities
von: Wang, Hongjian, et al.
Veröffentlicht: (2024)

High-Dimensional Bernstein Von-Mises Theorems for Covariance and Precision Matrices
von: Sarkar, Partha, et al.
Veröffentlicht: (2023)

Learning from Biased and Costly Data Sources: Minimax-optimal Data Collection under a Budget
von: Harding, Michael O., et al.
Veröffentlicht: (2026)

Online Bernstein-von Mises theorem
von: Lee, Jeyong, et al.
Veröffentlicht: (2025)

Online Performance Estimation with Unlabeled Data: A Bayesian Application of the Hui-Walter Paradigm
von: Slote, Kevin, et al.
Veröffentlicht: (2024)

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation
von: Morisset, Lucas, et al.
Veröffentlicht: (2026)

Statistical Inference under Adaptive Sampling with LinUCB
von: Fan, Wei, et al.
Veröffentlicht: (2025)

Gaussian and Non-Gaussian Universality of Data Augmentation
von: Huang, Kevin Han, et al.
Veröffentlicht: (2022)

ROTI-GCV: Generalized Cross-Validation for right-ROTationally Invariant Data
von: Luo, Kevin, et al.
Veröffentlicht: (2024)

Misspecified Bernstein-Von Mises theorem for hierarchical models
von: Koers, Geerten, et al.
Veröffentlicht: (2023)

From Tail Universality to Bernstein-von Mises: A Unified Statistical Theory of Semi-Implicit Variational Inference
von: Plummer, Sean
Veröffentlicht: (2025)

Universality of High-Dimensional Logistic Regression and a Novel CGMT under Dependence with Applications to Data Augmentation
von: Mallory, Matthew Esmaili, et al.
Veröffentlicht: (2025)

Non-Asymptotic Analysis of Data Augmentation for Precision Matrix Estimation
von: Morisset, Lucas, et al.
Veröffentlicht: (2025)

Early Highlights in the History of the Bernstein-von Mises Theorem
von: Fischer, Hans
Veröffentlicht: (2025)

Online Estimation with Rolling Validation: Adaptive Nonparametric Estimation with Streaming Data
von: Zhang, Tianyu, et al.
Veröffentlicht: (2023)

Adaptive Smooth Non-Stationary Bandits
von: Suk, Joe
Veröffentlicht: (2024)

Flow Matching is Adaptive to Manifold Structures
von: Kumar, Shivam, et al.
Veröffentlicht: (2026)

Bernstein-von Mises Theorem for Sparse Generalized Linear Model
von: Li, Hanqing, et al.
Veröffentlicht: (2026)

Adaptive variational Bayes: Optimality, computation and applications
von: Ohn, Ilsang, et al.
Veröffentlicht: (2021)

Adaptive sparse variational approximations for Gaussian process regression
von: Nieman, Dennis, et al.
Veröffentlicht: (2025)

Asymptotic Theory of Geometric and Adaptive $k$-Means Clustering
von: Jaffe, Adam Quinn
Veröffentlicht: (2022)

Adaptive deep learning for nonlinear time series models
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2022)

Minimax Adaptive Online Nonparametric Regression over Besov Spaces
von: Liautaud, Paul, et al.
Veröffentlicht: (2025)