Buchumschlag

A Federated Generalized Expectation-Maximization Algorithm for Mixture Models with an Unknown Number of Components

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ibrahim, Michael, Gebraeel, Nagi, Xie, Weijun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FDR-SVM: A Federated Distributionally Robust Support Vector Machine via a Mixture of Wasserstein Balls Ambiguity Set
von: Ibrahim, Michael, et al.
Veröffentlicht: (2024)

Wasserstein Distributionally Robust Multiclass Support Vector Machine
von: Ibrahim, Michael, et al.
Veröffentlicht: (2024)

Learning Unknown Interdependencies for Decentralized Root Cause Analysis in Nonlinear Dynamical Systems
von: Mohanty, Ayush, et al.
Veröffentlicht: (2026)

Towards Uncertainty-Aware Federated Granger Causal Learning
von: Mohanty, Ayush, et al.
Veröffentlicht: (2026)

Federated Causal Representation Learning in State-Space Systems for Decentralized Counterfactual Reasoning
von: Mohamed, Nazal, et al.
Veröffentlicht: (2026)

Federated Granger Causality Learning for Interdependent Clients with State Space Representation
von: Mohanty, Ayush, et al.
Veröffentlicht: (2025)

Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes
von: Peters, Benjamin, et al.
Veröffentlicht: (2024)

Expectation Maximization (EM) Converges for General Agnostic Mixtures
von: Ghosh, Avishek
Veröffentlicht: (2026)

Data-driven joint optimization of maintenance and spare parts provisioning: A distributionally robust approach
von: Rozas, Heraldo, et al.
Veröffentlicht: (2025)

Fast convergence of a Federated Expectation-Maximization Algorithm
von: Tao, Zhixu, et al.
Veröffentlicht: (2024)

Deep Generative Clustering with VAEs and Expectation-Maximization
von: Adipoetra, Michael, et al.
Veröffentlicht: (2025)

Learning Mixture Density via Natural Gradient Expectation Maximization
von: Chen, Yutao, et al.
Veröffentlicht: (2026)

Prognostic Framework for Robotic Manipulators Operating Under Dynamic Task Severities
von: Mohanty, Ayush, et al.
Veröffentlicht: (2024)

An Expectation-Maximization Algorithm for Domain Adaptation in Gaussian Causal Models
von: Javidian, Mohammad Ali
Veröffentlicht: (2026)

Convergence of Expectation-Maximization Algorithm with Mixed-Integer Optimization
von: Joseph, Geethu
Veröffentlicht: (2024)

Allocating Variance to Maximize Expectation
von: Leme, Renato Purita Paes, et al.
Veröffentlicht: (2025)

EM-Net: Gaze Estimation with Expectation Maximization Algorithm
von: Cheng, Zhang, et al.
Veröffentlicht: (2024)

Diffusion Alignment as Variational Expectation-Maximization
von: Lee, Jaewoo, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Graph Self-Training with Expectation-Maximization Regularization
von: Wang, Emily, et al.
Veröffentlicht: (2025)

Asynchronous Federated Clustering with Unknown Number of Clusters
von: Zhang, Yunfan, et al.
Veröffentlicht: (2024)

Scalable Expectation Estimation with Subtractive Mixture Models
von: Zellinger, Lena, et al.
Veröffentlicht: (2025)

Density Operator Expectation Maximization
von: Vishnu, Adit, et al.
Veröffentlicht: (2025)

Approximation Algorithms for D-optimal Design
von: Singh, Mohit, et al.
Veröffentlicht: (2018)

Estimating the Number of Components in Finite Mixture Models via Variational Approximation
von: Wang, Chenyang, et al.
Veröffentlicht: (2024)

Approximate Maximum Likelihood Inference for Acoustic Spatial Capture-Recapture with Unknown Identities, Using Monte Carlo Expectation Maximization
von: Wang, Yuheng, et al.
Veröffentlicht: (2024)

Massively Parallel Expectation Maximization For Approximate Posteriors
von: Heap, Thomas, et al.
Veröffentlicht: (2025)

Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition
von: Li, Long-Fei, et al.
Veröffentlicht: (2024)

Mixture of Predefined Experts: Maximizing Data Usage on Vertical Federated Learning
von: Irureta, Jon, et al.
Veröffentlicht: (2026)

Learning to Reason in LLMs by Expectation Maximization
von: Lee, Junghyun, et al.
Veröffentlicht: (2025)

Deep Learning of Semi-Competing Risk Data via a New Neural Expectation-Maximization Algorithm
von: Salerno, Stephen, et al.
Veröffentlicht: (2022)

SEMF: Supervised Expectation-Maximization Framework for Predicting Intervals
von: Azizi, Ilia, et al.
Veröffentlicht: (2024)

Learning Diffusion Priors from Observations by Expectation Maximization
von: Rozet, François, et al.
Veröffentlicht: (2024)

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

Network EM Algorithm for Gaussian Mixture Model in Decentralized Federated Learning
von: Wu, Shuyuan, et al.
Veröffentlicht: (2024)

Learning Mixtures of Unknown Causal Interventions
von: Kumar, Abhinav, et al.
Veröffentlicht: (2024)

Importance Weighted Expectation-Maximization for Protein Sequence Design
von: Song, Zhenqiao, et al.
Veröffentlicht: (2023)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

Differentiable Expectation-Maximisation and Applications to Gaussian Mixture Model Optimal Transport
von: Boïté, Samuel, et al.
Veröffentlicht: (2025)

Stochastic Approximation with Biased MCMC for Expectation Maximization
von: Gruffaz, Samuel, et al.
Veröffentlicht: (2024)

Characterizing Evolution in Expectation-Maximization Estimates for Overspecified Mixed Linear Regression
von: Luo, Zhankun, et al.
Veröffentlicht: (2025)