Buchumschlag

New Approximation Results and Optimal Estimation for Fully Connected Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tang, Zhaoji
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Econometrics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient and Scalable Estimation of Distributional Treatment Effects with Multi-Task Neural Networks
von: Hirata, Tomu, et al.
Veröffentlicht: (2025)

Inference in Partially Linear Models under Dependent Data with Deep Neural Networks
von: Brown, Chad
Veröffentlicht: (2024)

Estimating Treatment Effects under Algorithmic Interference: A Structured Neural Networks Approach
von: Zhan, Ruohan, et al.
Veröffentlicht: (2024)

Bayesian Neural Networks for Macroeconomic Analysis
von: Hauzenberger, Niko, et al.
Veröffentlicht: (2022)

Collusion Detection with Graph Neural Networks
von: Gomes, Lucas, et al.
Veröffentlicht: (2024)

The Use of Binary Choice Forests to Model and Estimate Discrete Choices
von: Chen, Ningyuan, et al.
Veröffentlicht: (2019)

Scale-Insensitive Neural Network Significance Tests
von: Fallahgoul, Hasan
Veröffentlicht: (2025)

Neighborhood Adaptive Estimators for Causal Inference under Network Interference
von: Belloni, Alexandre, et al.
Veröffentlicht: (2022)

From Reactive to Proactive Volatility Modeling with Hemisphere Neural Networks
von: Coulombe, Philippe Goulet, et al.
Veröffentlicht: (2023)

Estimation of Optimal Dynamic Treatment Assignment Rules under Policy Constraints
von: Sakaguchi, Shosei
Veröffentlicht: (2021)

Estimating Network Models using Neural Networks
von: Mele, Angelo
Veröffentlicht: (2025)

A Neural Phillips Curve and a Deep Output Gap
von: Coulombe, Philippe Goulet
Veröffentlicht: (2022)

Optimal Categorical Instrumental Variables
von: Wiemann, Thomas
Veröffentlicht: (2023)

Dynamically Optimal Treatment Allocation
von: Adusumilli, Karun, et al.
Veröffentlicht: (2019)

Designing Graph Convolutional Neural Networks for Discrete Choice with Network Effects
von: Villarraga, Daniel F., et al.
Veröffentlicht: (2025)

Model-Estimation-Free, Dense, and High Dimensional Consistent Precision Matrix Estimators
von: Stojnic, Mehmet Caner Agostino Capponi Mihailo
Veröffentlicht: (2025)

Causal EpiNets: Precision-corrected Bounds on Individual Treatment Effects using Epistemic Neural Networks
von: Patil, Gandharv, et al.
Veröffentlicht: (2026)

Can We Validate Counterfactual Estimations in the Presence of General Network Interference?
von: Shirani, Sadegh, et al.
Veröffentlicht: (2025)

Quantile-Optimal Policy Learning under Unmeasured Confounding
von: Chen, Zhongren, et al.
Veröffentlicht: (2025)

Statistical Inference of Optimal Allocations I: Regularities and their Implications
von: Feng, Kai, et al.
Veröffentlicht: (2024)

Adversarial Estimation of Riesz Representers
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2020)

Two Approaches to Direct Estimation of Riesz Representers
von: Bruns-Smith, David
Veröffentlicht: (2026)

Amortized Inference for Correlated Discrete Choice Models via Equivariant Neural Networks
von: Huch, Easton, et al.
Veröffentlicht: (2026)

Gaussian and Bootstrap Approximation for Matching-based Average Treatment Effect Estimators
von: Shi, Zhaoyang, et al.
Veröffentlicht: (2024)

Nuclear Norm Regularized Estimation of Panel Regression Models
von: Moon, Hyungsik Roger, et al.
Veröffentlicht: (2018)

Profit-Aligned CATE Estimation: Reconciling Policy Learning and Inference
von: Timoshenko, Artem, et al.
Veröffentlicht: (2025)

Efficient Adaptive Experimental Design for Average Treatment Effect Estimation
von: Kato, Masahiro, et al.
Veröffentlicht: (2020)

ReLU-Based and DNN-Based Generalized Maximum Score Estimators
von: Chen, Xiaohong, et al.
Veröffentlicht: (2025)

Choice Models and Permutation Invariance: Demand Estimation in Differentiated Products Markets
von: Singh, Amandeep, et al.
Veröffentlicht: (2023)

Penalized GMM Framework for Inference on Functionals of Nonparametric Instrumental Variable Estimators
von: Bakhitov, Edvard
Veröffentlicht: (2026)

Vector Copula Variational Inference and Dependent Block Posterior Approximations
von: Fu, Yu, et al.
Veröffentlicht: (2025)

Identification and Estimation of Simultaneous Equation Models Using Higher-Order Cumulant Restrictions
von: Jiang, Ziyu
Veröffentlicht: (2025)

Stock Market Telepathy: Graph Neural Networks Predicting the Secret Conversations between MINT and G7 Countries
von: Bursa, Nurbanu
Veröffentlicht: (2025)

Estimation in high-dimensional linear regression: Post-Double-Autometrics as an alternative to Post-Double-Lasso
von: Hué, Sullivan, et al.
Veröffentlicht: (2025)

Inside the black box: Neural network-based real-time prediction of US recessions
von: Chung, Seulki
Veröffentlicht: (2023)

Structure-agnostic Optimality of Doubly Robust Learning for Treatment Effect Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2024)

Improving the Finite Sample Estimation of Average Treatment Effects using Double/Debiased Machine Learning with Propensity Score Calibration
von: Ballinari, Daniele, et al.
Veröffentlicht: (2024)

Deep Learning With DAGs
von: Balgi, Sourabh, et al.
Veröffentlicht: (2024)

Calibration Strategies for Robust Causal Estimation: Theoretical and Empirical Insights on Propensity Score-Based Estimators
von: Klaassen, Sven, et al.
Veröffentlicht: (2025)

A Projection-Based ARIMA Framework for Nonlinear Dynamics in Macroeconomic and Financial Time Series: Closed-Form Estimation and Rolling-Window Inference
von: Liu, Haojie, et al.
Veröffentlicht: (2025)