Buchumschlag

Varying-Coefficient Mixture of Experts Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Qicheng, Greenwood, Celia M. T., Zhang, Qihuang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

High-dimensional Bayesian Model for Disease-Specific Gene Detection in Spatial Transcriptomics
von: Zhao, Qicheng, et al.
Veröffentlicht: (2024)

Bayesian Data Sketching for Varying Coefficient Regression Models
von: Guhaniyogi, Rajarshi, et al.
Veröffentlicht: (2025)

Fast Training of Mixture-of-Experts for Time Series Forecasting via Expert Loss Integration
von: Mahtout, Btissame El, et al.
Veröffentlicht: (2026)

Identification and Estimation under Multiple Versions of Treatment: Mixture-of-Experts Approach
von: Yoshikawa, Kohei, et al.
Veröffentlicht: (2026)

Incorporating Expert Knowledge into Bayesian Causal Discovery of Mixtures of Directed Acyclic Graphs
von: Björkman, Zachris, et al.
Veröffentlicht: (2025)

Counterfactual Generative Models for Time-Varying Treatments
von: Wu, Shenghao, et al.
Veröffentlicht: (2023)

Interval Estimation of Coefficients in Penalized Regression Models of Insurance Data
von: Manna, Alokesh, et al.
Veröffentlicht: (2024)

Crowdsourcing Without People: Modelling Clustering Algorithms as Experts
von: Lorentz, Jordyn E. A., et al.
Veröffentlicht: (2025)

Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models
von: Tran, TrungKhang, et al.
Veröffentlicht: (2026)

Model Selection for Gaussian-gated Gaussian Mixture of Experts Using Dendrograms of Mixing Measures
von: Thai, Tuan, et al.
Veröffentlicht: (2025)

M$^3$TN: Multi-gate Mixture-of-Experts based Multi-valued Treatment Network for Uplift Modeling
von: Sun, Zexu, et al.
Veröffentlicht: (2024)

Spatial Covariance Constraints for Gaussian Mixture Models
von: Lu, Hanzhang, et al.
Veröffentlicht: (2026)

Federated Variational Inference for Bayesian Mixture Models
von: Rao, Jackie, et al.
Veröffentlicht: (2025)

An EM Gradient Algorithm for Mixture Models with Components Derived from the Manly Transformation
von: Clark, Katharine M., et al.
Veröffentlicht: (2024)

Coefficient Shape Transfer Learning for Functional Linear Regression
von: Jiao, Shuhao, et al.
Veröffentlicht: (2025)

Coefficient Shape Alignment in Multiple Functional Linear Regression
von: Jiao, Shuhao, et al.
Veröffentlicht: (2023)

Mixture models for data with unknown distributions
von: Newman, M. E. J.
Veröffentlicht: (2025)

Dendrograms of Mixing Measures for Softmax-Gated Gaussian Mixture of Experts: Consistency without Model Sweeps
von: Hai, Do Tien, et al.
Veröffentlicht: (2025)

Mixture of partially linear experts
von: Hwang, Yeongsan, et al.
Veröffentlicht: (2024)

Model Selection and Parameter Estimation of One-Dimensional Gaussian Mixture Models
von: Liu, Xinyu, et al.
Veröffentlicht: (2024)

Bayesian Autoregressive Online Change-Point Detection with Time-Varying Parameters
von: Tsaknaki, Ioanna-Yvonni, et al.
Veröffentlicht: (2024)

Revisiting Incremental Stochastic Majorization-Minimization Algorithms with Applications to Mixture of Experts
von: Tran, TrungKhang, et al.
Veröffentlicht: (2026)

StepMix: A Python Package for Pseudo-Likelihood Estimation of Generalized Mixture Models with External Variables
von: Morin, Sacha, et al.
Veröffentlicht: (2023)

GST-UNet: A Neural Framework for Spatiotemporal Causal Inference with Time-Varying Confounding
von: Oprescu, Miruna, et al.
Veröffentlicht: (2025)

EM Approaches to Nonparametric Estimation for Mixture of Linear Regressions
von: Welbaum, Andrew, et al.
Veröffentlicht: (2025)

Counterfactual Probabilistic Diffusion with Expert Models
von: Mu, Wenhao, et al.
Veröffentlicht: (2025)

A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation
von: Shi, Jieru, et al.
Veröffentlicht: (2023)

Beyond Linearity and Time-Homogeneity: Relational Hyper Event Models with Time-Varying Non-Linear Effects
von: Boschi, Martina, et al.
Veröffentlicht: (2025)

Causal Inference with Categorical Unobserved Confounder via Mixture Learning
von: Saha, Aytijhya, et al.
Veröffentlicht: (2026)

Flexible Clustering with a Sparse Mixture of Generalized Hyperbolic Distributions
von: Sochaniwsky, Alexa A., et al.
Veröffentlicht: (2019)

Nearest Neighbor Dirichlet Mixtures
von: Chattopadhyay, Shounak, et al.
Veröffentlicht: (2020)

Kernel-Based Ensemble Gaussian Mixture Probability Hypothesis Density Filter
von: Durant, Dalton, et al.
Veröffentlicht: (2025)

Mixture-of-experts Wishart model for covariance matrices with an application to Cancer drug screening
von: Mai, The Tien, et al.
Veröffentlicht: (2026)

Sequential Kernel Embedding for Mediated and Time-Varying Dose Response Curves
von: Singh, Rahul, et al.
Veröffentlicht: (2021)

Functional Analysis of Variance for Association Studies
von: Vsevolozhskaya, Olga A., et al.
Veröffentlicht: (2025)

Selective Inference for Time-Varying Effect Moderation
von: Bakshi, Soham, et al.
Veröffentlicht: (2024)

Expert-elicitation method for non-parametric joint priors using normalizing flows
von: Bockting, Florence, et al.
Veröffentlicht: (2024)

Synthetic Potential Outcomes and Causal Mixture Identifiability
von: Mazaheri, Bijan, et al.
Veröffentlicht: (2024)

Semi-Supervised Mixture Models under the Concept of Missing at Radom with Margin Confidence and Aranda Ordaz Function
von: Liao, Jinyang, et al.
Veröffentlicht: (2026)

SSLfmm: An R Package for Semi-Supervised Learning with a Mixed-Missingness Mechanism in Finite Mixture Models
von: McLachlan, Geoffrey J., et al.
Veröffentlicht: (2025)