Buchumschlag

Towards a pretrained deep learning estimator of the Linfoot informational correlation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Berg, Stéphanie M. van den, Halekoh, Ulrich, Möller, Sören, Jensen, Andreas Kryger, Hjelmborg, Jacob von Bornemann
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causal interpretation of the sibling comparison and its relation to the cross-over design
von: Kristensen, Simon Bang, et al.
Veröffentlicht: (2025)

Combining T-learning and DR-learning: a framework for oracle-efficient estimation of causal contrasts
von: van der Laan, Lars, et al.
Veröffentlicht: (2024)

Elliptical Wishart distributions: information geometry, maximum likelihood estimator, performance analysis and statistical learning
von: Ayadi, Imen, et al.
Veröffentlicht: (2024)

Generalized Bayesian deep reinforcement learning
von: Roy, Shreya Sinha, et al.
Veröffentlicht: (2024)

Computationally efficient multi-level Gaussian process regression for functional data observed under completely or partially regular sampling designs
von: Hoffmann, Adam Gorm, et al.
Veröffentlicht: (2024)

Towards Identifiable Latent Additive Noise Models
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

A least distance estimator for a multivariate regression model using deep neural networks
von: Shin, Jungmin, et al.
Veröffentlicht: (2024)

Clustered random forests with correlated data for optimal estimation and inference under potential covariate shift
von: Young, Elliot H., et al.
Veröffentlicht: (2025)

Ensemble learning for uncertainty estimation with application to the correction of satellite precipitation products
von: Papacharalampous, Georgia, et al.
Veröffentlicht: (2024)

Exact Graph Learning via Integer Programming
von: Kook, Lucas, et al.
Veröffentlicht: (2026)

Dimension-reduced outcome-weighted learning for estimating individualized treatment regimes in observational studies
von: Son, Sungtaek, et al.
Veröffentlicht: (2026)

Horseshoe Forests for High-Dimensional Causal Survival Analysis
von: Jacobs, Tijn, et al.
Veröffentlicht: (2025)

Improving reproducibility by controlling random seed stability in machine learning based estimation via bagging
von: Williams, Nicholas, et al.
Veröffentlicht: (2026)

Expected information gain estimation via density approximations: Sample allocation and dimension reduction
von: Li, Fengyi, et al.
Veröffentlicht: (2024)

Machine learning to optimize precision in the analysis of randomized trials: A journey in pre-specified, yet data-adaptive learning
von: Balzer, Laura B., et al.
Veröffentlicht: (2025)

Adversarial learning for nonparametric regression: Minimax rate and adaptive estimation
von: Peng, Jingfu, et al.
Veröffentlicht: (2025)

Causal inference through multi-stage learning and doubly robust deep neural networks
von: Zhang, Yuqian, et al.
Veröffentlicht: (2024)

Qini Curve Estimation under Clustered Network Interference
von: Karlsson, Rickard, et al.
Veröffentlicht: (2025)

Multivariate moment least-squares estimators for reversible Markov chains
von: Song, Hyebin, et al.
Veröffentlicht: (2023)

Deep learning estimation of the spectral density of functional time series on large domains
von: Mohammadi, Neda, et al.
Veröffentlicht: (2026)

Density estimation with atoms, and functional estimation for mixed discrete-continuous data
von: Saha, Aytijhya, et al.
Veröffentlicht: (2025)

Improving Generative Methods for Causal Evaluation via Simulation-Based Inference
von: Amaranath, Pracheta, et al.
Veröffentlicht: (2025)

Ridge partial correlation screening for ultrahigh-dimensional data
von: Wang, Run, et al.
Veröffentlicht: (2025)

Adaptive debiased machine learning using data-driven model selection techniques
von: van der Laan, Lars, et al.
Veröffentlicht: (2023)

Compositional Models for Estimating Causal Effects
von: Pruthi, Purva, et al.
Veröffentlicht: (2024)

Does Unsupervised Domain Adaptation Improve the Robustness of Amortized Bayesian Inference? A Systematic Evaluation
von: Elsemüller, Lasse, et al.
Veröffentlicht: (2025)

Annotation Sensitivity: Training Data Collection Methods Affect Model Performance
von: Kern, Christoph, et al.
Veröffentlicht: (2023)

Nonparametric estimation of Hawkes processes with RKHSs
von: Bonnet, Anna, et al.
Veröffentlicht: (2024)

Quantile deep learning models for multi-step ahead time series prediction
von: Cheung, Jimmy, et al.
Veröffentlicht: (2024)

The Multivariate Bernoulli detector: Change point estimation in discrete survival analysis
von: Boom, Willem van den, et al.
Veröffentlicht: (2023)

Transfer Q-learning
von: Chen, Elynn, et al.
Veröffentlicht: (2022)

JUCAL: Jointly Calibrating Aleatoric and Epistemic Uncertainty in Classification Tasks
von: Heiss, Jakob, et al.
Veröffentlicht: (2026)

Scalable and non-iterative graphical model estimation
von: Khare, Kshitij, et al.
Veröffentlicht: (2024)

Estimating heterogeneous treatment effects with survival outcomes via a deep survival learner
von: Sun, Yuming, et al.
Veröffentlicht: (2026)

Weighted shape-constrained estimation for the autocovariance sequence from a reversible Markov chain
von: Song, Hyebin, et al.
Veröffentlicht: (2024)

A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
von: Chen, Yehu, et al.
Veröffentlicht: (2025)

Convex estimation of Gaussian graphical regression models with covariates
von: Liu, Ruobin, et al.
Veröffentlicht: (2024)

MCD: Marginal Contrastive Discrimination for conditional density estimation
von: Meziani, Katia, et al.
Veröffentlicht: (2022)

Online monotone density estimation and log-optimal calibration
von: Hore, Rohan, et al.
Veröffentlicht: (2026)

Mechanisms for Data Sharing in Collaborative Causal Inference (Extended Version)
von: Filter, Björn, et al.
Veröffentlicht: (2024)