:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adams, Steven, Alwash, Elize, Laurenti, Luca
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2511.15854
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Distribution Learning with Error Bounds in Wasserstein Distance
von: Figueiredo, Eduardo, et al.
Veröffentlicht: (2026)

Efficient Uncertainty Propagation with Guarantees in Wasserstein Distance
von: Figueiredo, Eduardo, et al.
Veröffentlicht: (2025)

Finite Neural Networks as Mixtures of Gaussian Processes: From Provable Error Bounds to Prior Selection
von: Adams, Steven, et al.
Veröffentlicht: (2024)

Slicing the Gaussian Mixture Wasserstein Distance
von: Piening, Moritz, et al.
Veröffentlicht: (2025)

Gromov-Wasserstein-like Distances in the Gaussian Mixture Models Space
von: Salmona, Antoine, et al.
Veröffentlicht: (2023)

Efficient Quantization of Mixture-of-Experts with Theoretical Generalization Guarantees
von: Chowdhury, Mohammed Nowaz Rabbani, et al.
Veröffentlicht: (2026)

Statistical and Computational Guarantees of Kernel Max-Sliced Wasserstein Distances
von: Wang, Jie, et al.
Veröffentlicht: (2024)

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
von: Reed, Robert, et al.
Veröffentlicht: (2024)

A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions
von: Chen, Keyu, et al.
Veröffentlicht: (2025)

Wasserstein KL-divergence for Gaussian distributions
von: Datar, Adwait, et al.
Veröffentlicht: (2025)

Theoretical Guarantees for Variational Inference with Fixed-Variance Mixture of Gaussians
von: Huix, Tom, et al.
Veröffentlicht: (2024)

Fast Estimation of Wasserstein Distances via Regression on Sliced Wasserstein Distances
von: Nguyen, Khai, et al.
Veröffentlicht: (2025)

An Explicit Surrogate for Gaussian Mixture Flow Matching with Wasserstein Gap Bounds
von: Rostami, Elham, et al.
Veröffentlicht: (2026)

Gaussian Mixture Vector Quantization with Aggregated Categorical Posterior
von: Yan, Mingyuan, et al.
Veröffentlicht: (2024)

Private Wasserstein Distance
von: Li, Wenqian, et al.
Veröffentlicht: (2024)

The Observable Wasserstein Distance
von: Santos, Edivaldo Lopes dos, et al.
Veröffentlicht: (2026)

Distance-Matrix Wasserstein Statistics for Scalable Gromov--Wasserstein Learning
von: Xu, Ao, et al.
Veröffentlicht: (2026)

Verification of Unknown Dynamical Systems via Autoencoder Latent Space
von: Reed, Robert, et al.
Veröffentlicht: (2025)

Distance-Based Tree-Sliced Wasserstein Distance
von: Tran, Hoang V., et al.
Veröffentlicht: (2025)

Hybrid Energy-Based Models for Physical AI: Provably Stable Identification of Port-Hamiltonian Dynamics
von: Betteti, Simone, et al.
Veröffentlicht: (2026)

Feature Selection Based on Wasserstein Distance
von: Li, Fuwei
Veröffentlicht: (2024)

Relative Translation Invariant Wasserstein Distance
von: Wang, Binshuai, et al.
Veröffentlicht: (2024)

The Z-Gromov-Wasserstein Distance
von: Bauer, Martin, et al.
Veröffentlicht: (2024)

Quantization-based Bounds on the Wasserstein Metric
von: Bobrutsky, Jonathan, et al.
Veröffentlicht: (2025)

Generalization Guarantees for Representation Learning via Data-Dependent Gaussian Mixture Priors
von: Sefidgaran, Milad, et al.
Veröffentlicht: (2025)

Promises of Deep Kernel Learning for Control Synthesis
von: Reed, Robert, et al.
Veröffentlicht: (2023)

Sliced-Wasserstein Distance-based Data Selection
von: Pallage, Julien, et al.
Veröffentlicht: (2025)

Fast Gradient Computation for Gromov-Wasserstein Distance
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

Sharp Inequalities between Total Variation and Hellinger Distances for Gaussian Mixtures
von: Jung, Joonhyuk, et al.
Veröffentlicht: (2026)

Spherical Tree-Sliced Wasserstein Distance
von: Tran, Viet-Hoang, et al.
Veröffentlicht: (2025)

Robust Estimation under the Wasserstein Distance
von: Nietert, Sloan, et al.
Veröffentlicht: (2023)

Semidefinite Relaxations of the Gromov-Wasserstein Distance
von: Chen, Junyu, et al.
Veröffentlicht: (2023)

Wasserstein Distances, Neuronal Entanglement, and Sparsity
von: Sawmya, Shashata, et al.
Veröffentlicht: (2024)

Diffusion models for Gaussian distributions: Exact solutions and Wasserstein errors
von: Pierret, Emile, et al.
Veröffentlicht: (2024)

Learning a Gaussian Mixture for Sparsity Regularization in Inverse Problems
von: Alberti, Giovanni S., et al.
Veröffentlicht: (2024)

Wasserstein Gaussianization and Efficient Variational Bayes for Robust Bayesian Synthetic Likelihood
von: Nguyen, Nhat-Minh, et al.
Veröffentlicht: (2023)

Tight Group-Level DP Guarantees for DP-SGD with Sampling via Mixture of Gaussians Mechanisms
von: Ganesh, Arun
Veröffentlicht: (2024)

Recovering Wasserstein Distance Matrices from Few Measurements
von: Rana, Muhammad, et al.
Veröffentlicht: (2025)

Conformal Graph Prediction with Z-Gromov Wasserstein Distances
von: Melo, Gabriel, et al.
Veröffentlicht: (2026)

Markovian Sliced Wasserstein Distances: Beyond Independent Projections
von: Nguyen, Khai, et al.
Veröffentlicht: (2023)