Buchumschlag

Toward Scalable and Valid Conditional Independence Testing with Spectral Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Frohlich, Alek, Kostic, Vladimir, Lounici, Karim, Perazzo, Daniel, Pontil, Massimiliano
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

Equivariant Representation Learning for Symmetry-Aware Inference with Guarantees
von: Ordoñez-Apraez, Daniel, et al.
Veröffentlicht: (2025)

Toeplitz Based Spectral Methods for Data-driven Dynamical Systems
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2026)

Outcome-Aware Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

Learning invariant representations of time-homogeneous stochastic dynamical systems
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2023)

Neural Conditional Probability for Uncertainty Quantification
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Learning the Infinitesimal Generator of Stochastic Diffusion Processes
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Laplace Transform Based Low-Complexity Learning of Continuous Markov Semigroups
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

A Spectral-Grassmann Wasserstein metric for operator representations of dynamical systems
von: Germain, Thibaut, et al.
Veröffentlicht: (2025)

CoHiRF: Hierarchical Consensus for Interpretable Clustering Beyond Scalability Limits
von: Meziani, Katia, et al.
Veröffentlicht: (2025)

A conversion theorem and minimax optimality for continuum contextual bandits
von: Akhavan, Arya, et al.
Veröffentlicht: (2024)

VertCoHiRF: Decentralized Vertical Clustering Beyond k-means
von: Belucci, Bruno, et al.
Veröffentlicht: (2026)

From Biased to Unbiased Dynamics: An Infinitesimal Generator Approach
von: Devergne, Timothée, et al.
Veröffentlicht: (2024)

A randomized algorithm to solve reduced rank operator regression
von: Turri, Giacomo, et al.
Veröffentlicht: (2023)

An Empirical Bernstein Inequality for Dependent Data in Hilbert Spaces and Applications
von: Mirzaei, Erfan, et al.
Veröffentlicht: (2025)

kooplearn: A Scikit-Learn Compatible Library of Algorithms for Evolution Operator Learning
von: Turri, Giacomo, et al.
Veröffentlicht: (2025)

Geometric Dictionary Learning of Dynamical Systems with Optimal Transport
von: Germain, Thibaut, et al.
Veröffentlicht: (2026)

Dynamics Harmonic Analysis of Robotic Systems: Application in Data-Driven Koopman Modelling
von: Ordoñez-Apraez, Daniel, et al.
Veröffentlicht: (2023)

Convergence Properties of Stochastic Hypergradients
von: Grazzi, Riccardo, et al.
Veröffentlicht: (2020)

Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment
von: Gnassounou, Théo, et al.
Veröffentlicht: (2024)

AdaGrad-Diff: A New Version of the Adaptive Gradient Algorithm
von: Bojovic, Matia, et al.
Veröffentlicht: (2026)

Nonsmooth Implicit Differentiation: Deterministic and Stochastic Convergence Rates
von: Grazzi, Riccardo, et al.
Veröffentlicht: (2024)

AdaCap: An Adaptive Contrastive Approach for Small-Data Neural Networks
von: Belucci, Bruno, et al.
Veröffentlicht: (2025)

Amortized Conditional Independence Testing
von: Duong, Bao, et al.
Veröffentlicht: (2025)

Operator World Models for Reinforcement Learning
von: Novelli, Pietro, et al.
Veröffentlicht: (2024)

Learning Representations for Independence Testing
von: Xu, Nathaniel, et al.
Veröffentlicht: (2024)

The seeds of the future are in the present: A blind exploration of metastable states
von: Devergne, Timothée, et al.
Veröffentlicht: (2025)

Demystifying Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

Practical Kernel Tests of Conditional Independence
von: Pogodin, Roman, et al.
Veröffentlicht: (2024)

PersonalizedUS: Interpretable Breast Cancer Risk Assessment with Local Coverage Uncertainty Quantification
von: Fröhlich, Alek, et al.
Veröffentlicht: (2024)

Conditional Diffusion Models Based Conditional Independence Testing
von: Yang, Yanfeng, et al.
Veröffentlicht: (2024)

On the Hardness of Conditional Independence Testing In Practice
von: He, Zheng, et al.
Veröffentlicht: (2025)

Empirically Calibrated Conditional Independence Tests
von: Pan, Milleno, et al.
Veröffentlicht: (2026)

Meta-Dependence in Conditional Independence Testing
von: Mazaheri, Bijan, et al.
Veröffentlicht: (2025)

Differentially Private Conditional Independence Testing
von: Kalemaj, Iden, et al.
Veröffentlicht: (2023)

Self-Supervised Evolution Operator Learning for High-Dimensional Dynamical Systems
von: Turri, Giacomo, et al.
Veröffentlicht: (2025)

Transfer learning for atomistic simulations using GNNs and kernel mean embeddings
von: Falk, John, et al.
Veröffentlicht: (2023)

A Conditional Independence Test in the Presence of Discretization
von: Sun, Boyang, et al.
Veröffentlicht: (2024)

Causal Discovery with Fewer Conditional Independence Tests
von: Shiragur, Kirankumar, et al.
Veröffentlicht: (2024)

Score-based Generative Modeling for Conditional Independence Testing
von: Ren, Yixin, et al.
Veröffentlicht: (2025)

Fast Flow Matching based Conditional Independence Tests for Causal Discovery
von: Zhao, Shunyu, et al.
Veröffentlicht: (2026)