Copertina

Efficient Distribution Learning with Error Bounds in Wasserstein Distance

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Figueiredo, Eduardo, Adams, Steven, Laurenti, Luca
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

discretize_distributions: Efficient Quantization of Gaussian Mixtures with Guarantees in Wasserstein Distance
di: Adams, Steven, et al.
Pubblicazione: (2025)

Efficient Uncertainty Propagation with Guarantees in Wasserstein Distance
di: Figueiredo, Eduardo, et al.
Pubblicazione: (2025)

Finite Neural Networks as Mixtures of Gaussian Processes: From Provable Error Bounds to Prior Selection
di: Adams, Steven, et al.
Pubblicazione: (2024)

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
di: Reed, Robert, et al.
Pubblicazione: (2024)

Bounds in Wasserstein Distance for Locally Stationary Processes
di: Tinio, Jan Nino G., et al.
Pubblicazione: (2024)

Error Bounds for Physics-Informed Neural Networks in Fokker-Planck PDEs
di: Kong, Chun-Wei, et al.
Pubblicazione: (2024)

Formal Uncertainty Propagation for Stochastic Dynamical Systems with Additive Noise
di: Adams, Steven, et al.
Pubblicazione: (2025)

Distance-Matrix Wasserstein Statistics for Scalable Gromov--Wasserstein Learning
di: Xu, Ao, et al.
Pubblicazione: (2026)

Bounds in Wasserstein Distance for Locally Stationary Functional Time Series
di: Tinio, Jan Nino G., et al.
Pubblicazione: (2025)

Fast Estimation of Wasserstein Distances via Regression on Sliced Wasserstein Distances
di: Nguyen, Khai, et al.
Pubblicazione: (2025)

An Empirical Study of Self-supervised Learning with Wasserstein Distance
di: Yamada, Makoto, et al.
Pubblicazione: (2023)

Evaluating randomized smoothing as a defense against adversarial attacks in trajectory prediction
di: Schumann, Julian F., et al.
Pubblicazione: (2026)

Enhancing Distributional Robustness in Principal Component Analysis by Wasserstein Distances
di: Wang, Lei, et al.
Pubblicazione: (2025)

Promises of Deep Kernel Learning for Control Synthesis
di: Reed, Robert, et al.
Pubblicazione: (2023)

The Observable Wasserstein Distance
di: Santos, Edivaldo Lopes dos, et al.
Pubblicazione: (2026)

Private Wasserstein Distance
di: Li, Wenqian, et al.
Pubblicazione: (2024)

Finite-Sample Wasserstein Error Bounds and Concentration Inequalities for Nonlinear Stochastic Approximation
di: Kong, Seo Taek, et al.
Pubblicazione: (2026)

Feature Selection Based on Wasserstein Distance
di: Li, Fuwei
Pubblicazione: (2024)

Relative Translation Invariant Wasserstein Distance
di: Wang, Binshuai, et al.
Pubblicazione: (2024)

Assessing the Quality of Denoising Diffusion Models in Wasserstein Distance: Noisy Score and Optimal Bounds
di: Arsenyan, Vahan, et al.
Pubblicazione: (2025)

Distance-Based Tree-Sliced Wasserstein Distance
di: Tran, Hoang V., et al.
Pubblicazione: (2025)

A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions
di: Chen, Keyu, et al.
Pubblicazione: (2025)

An Agglomerative Clustering of Simulation Output Distributions Using Regularized Wasserstein Distance
di: Ghasemloo, Mohammadmahdi, et al.
Pubblicazione: (2024)

Transfer Learning with Distance Covariance for Random Forest: Error Bounds and an EHR Application
di: Li, Chenze, et al.
Pubblicazione: (2025)

The Z-Gromov-Wasserstein Distance
di: Bauer, Martin, et al.
Pubblicazione: (2024)

Controlling Multiple Errors Simultaneously with a PAC-Bayes Bound
di: Adams, Reuben, et al.
Pubblicazione: (2022)

Learning Algorithm Generalization Error Bounds via Auxiliary Distributions
di: Aminian, Gholamali, et al.
Pubblicazione: (2022)

Verification of Unknown Dynamical Systems via Autoencoder Latent Space
di: Reed, Robert, et al.
Pubblicazione: (2025)

Sliced-Wasserstein Distance-based Data Selection
di: Pallage, Julien, et al.
Pubblicazione: (2025)

Fast Gradient Computation for Gromov-Wasserstein Distance
di: Zhang, Wei, et al.
Pubblicazione: (2024)

Distributional Reinforcement Learning with Regularized Wasserstein Loss
di: Sun, Ke, et al.
Pubblicazione: (2022)

Spherical Tree-Sliced Wasserstein Distance
di: Tran, Viet-Hoang, et al.
Pubblicazione: (2025)

Robust Estimation under the Wasserstein Distance
di: Nietert, Sloan, et al.
Pubblicazione: (2023)

Semidefinite Relaxations of the Gromov-Wasserstein Distance
di: Chen, Junyu, et al.
Pubblicazione: (2023)

Wasserstein Distances, Neuronal Entanglement, and Sparsity
di: Sawmya, Shashata, et al.
Pubblicazione: (2024)

Slicing the Gaussian Mixture Wasserstein Distance
di: Piening, Moritz, et al.
Pubblicazione: (2025)

Conformal Graph Prediction with Z-Gromov Wasserstein Distances
di: Melo, Gabriel, et al.
Pubblicazione: (2026)

Markovian Sliced Wasserstein Distances: Beyond Independent Projections
di: Nguyen, Khai, et al.
Pubblicazione: (2023)

Recovering Wasserstein Distance Matrices from Few Measurements
di: Rana, Muhammad, et al.
Pubblicazione: (2025)

Two-sample Test using Projected Wasserstein Distance
di: Wang, Jie, et al.
Pubblicazione: (2020)