Buchumschlag

Phase-Type Variational Autoencoders for Heavy-Tailed Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ziani, Abdelhakim, Horváth, András, Ballarini, Paolo
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Other Statistics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Markov Chain Decoders Overcome the Heavy-Tail Limitations of Lipschitz Generative Models
von: Ziani, Abdelhakim, et al.
Veröffentlicht: (2026)

Approximating Heavy-Tailed Distributions with a Mixture of Bernstein Phase-Type and Hyperexponential Models
von: Ziani, Abdelhakim, et al.
Veröffentlicht: (2025)

Robustness Test for AI Forecasting of Hurricane Florence Using FourCastNetv2 and Random Perturbations of the Initial Condition
von: Lizerbram, Adam, et al.
Veröffentlicht: (2025)

A Survey on Large Language Model-based Agents for Statistics and Data Science
von: Sun, Maojun, et al.
Veröffentlicht: (2024)

Data-Driven Semi-Supervised Machine Learning with Safety Indicators for Abnormal Driving Behavior Detection
von: Dong, Yongqi, et al.
Veröffentlicht: (2023)

Variational Autoencoders-based Detection of Extremes in Plant Productivity in an Earth System Model
von: Sharma, Bharat, et al.
Veröffentlicht: (2025)

Valid Selection among Conformal Sets
von: Hegazy, Mahmoud, et al.
Veröffentlicht: (2025)

Multivariate Standardized Residuals for Conformal Prediction
von: Braun, Sacha, et al.
Veröffentlicht: (2025)

Minimum Volume Conformal Sets for Multivariate Regression
von: Braun, Sacha, et al.
Veröffentlicht: (2025)

Convergence to the Truth
von: Lin, Hanti
Veröffentlicht: (2024)

A Statistical Case Against Empirical Human-AI Alignment
von: Rodemann, Julian, et al.
Veröffentlicht: (2025)

Next-Generation Conflict Forecasting: Unleashing Predictive Patterns through Spatiotemporal Learning
von: von der Maase, Simon P.
Veröffentlicht: (2025)

The Future of Data Science Education
von: Wright, Brian, et al.
Veröffentlicht: (2024)

Uncertainty Quantification In Surface Landmines and UXO Classification Using MC Dropout
von: Lekhak, Sagar, et al.
Veröffentlicht: (2025)

Subgroup Validity in Machine Learning for Echocardiogram Data
von: Feeney, Cynthia, et al.
Veröffentlicht: (2025)

Equity in the Use of ChatGPT for the Classroom: A Comparison of the Accuracy and Precision of ChatGPT 3.5 vs. ChatGPT4 with Respect to Statistics and Data Science Exams
von: McGee, Monnie, et al.
Veröffentlicht: (2024)

A Generalized Theory of Mixup for Structure-Preserving Synthetic Data
von: Lee, Chungpa, et al.
Veröffentlicht: (2025)

Noncommutative Model Selection for Data Clustering and Dimension Reduction Using Relative von Neumann Entropy
von: Guzmán-Tristán, Araceli, et al.
Veröffentlicht: (2024)

Machine Learning Solutions Integrated in an IoT Healthcare Platform for Heart Failure Risk Stratification
von: Faiz, Aiman, et al.
Veröffentlicht: (2025)

Towards Strong AI: Transformational Beliefs and Scientific Creativity
von: Eschker, Samuel J., et al.
Veröffentlicht: (2024)

GeoSR: Cognitive-Agentic Framework for Probing Geospatial Knowledge Boundaries via Iterative Self-Refinement
von: Tang, Jinfan, et al.
Veröffentlicht: (2025)

Treatment, evidence, imitation, and chat
von: Weisenthal, Samuel J.
Veröffentlicht: (2025)

From Spikes to Heavy Tails: Unveiling the Spectral Evolution of Neural Networks
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)

Adaptive Conformal Prediction for Quantum Machine Learning
von: Spencer, Douglas, et al.
Veröffentlicht: (2025)

Ensemble Transport Filter via Optimized Maximum Mean Discrepancy
von: Zeng, Dengfei, et al.
Veröffentlicht: (2024)

Generative AI Takes a Statistics Exam: A Comparison of Performance between ChatGPT3.5, ChatGPT4, and ChatGPT4o-mini
von: McGee, Monnie, et al.
Veröffentlicht: (2025)

Piecewise Deterministic Markov Processes for Bayesian Neural Networks
von: Goan, Ethan, et al.
Veröffentlicht: (2023)

A Plea for History and Philosophy of Statistics and Machine Learning
von: Lin, Hanti
Veröffentlicht: (2025)

Uncertainty Quantification via Spatial-Temporal Tweedie Model for Zero-inflated and Long-tail Travel Demand Prediction
von: Jiang, Xinke, et al.
Veröffentlicht: (2023)

Are you using test log-likelihood correctly?
von: Deshpande, Sameer K., et al.
Veröffentlicht: (2022)

Deep Learning-based Approaches for State Space Models: A Selective Review
von: Lin, Jiahe, et al.
Veröffentlicht: (2024)

Local Polynomial Lp-norm Regression
von: Tazik, Ladan, et al.
Veröffentlicht: (2025)

Utilising Deep Learning to Elicit Expert Uncertainty
von: Falconer, Julia R., et al.
Veröffentlicht: (2025)

Active Learning for Fair and Stable Online Allocations
von: Bhattacharya, Riddhiman, et al.
Veröffentlicht: (2024)

When to Transfer: Adaptive Source Selection for Positive Transfer in Linear Models
von: Cherkaoui, Hamza, et al.
Veröffentlicht: (2025)

Stock Volume Forecasting with Advanced Information by Conditional Variational Auto-Encoder
von: Yang, Parley R, et al.
Veröffentlicht: (2024)

A Simplified and Numerically Stable Approach to the BG/NBD Churn Prediction model
von: Zammit, Dylan, et al.
Veröffentlicht: (2025)

The Problem of the Priors, or Posteriors?
von: Lin, Hanti
Veröffentlicht: (2025)

TabCF: Distributional Control Function Estimation with Tabular Foundation Models
von: Chen, Geping, et al.
Veröffentlicht: (2026)

A machine learning approach to predict university enrolment choices through students' high school background in Italy
von: Priulla, Andrea, et al.
Veröffentlicht: (2024)