Copertina

Neural Generalized Mixed-Effects Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Slavutsky, Yuli, Salazar, Sebastian, Blei, David M.
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Computation Methodology
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Input Adaptive Bayesian Model Averaging
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

Robust Representation Learning through Explicit Environment Modeling
di: Slavutsky, Yuli, et al.
Pubblicazione: (2026)

Quantifying Uncertainty in the Presence of Distribution Shifts
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

Multi-Domain Empirical Bayes for Linearly-Mixed Causal Representations
di: Wu, Bohan, et al.
Pubblicazione: (2026)

Variational Learning of Disentangled Representations
di: Slavutsky, Yuli, et al.
Pubblicazione: (2025)

Hierarchical Causal Models
di: Weinstein, Eli N., et al.
Pubblicazione: (2024)

Identifiable Deep Generative Models via Sparse Decoding
di: Moran, Gemma E., et al.
Pubblicazione: (2021)

Adaptive Nonparametric Perturbations of Parametric Models with Generalized Bayes
di: Wu, Bohan, et al.
Pubblicazione: (2024)

Estimating Wage Disparities Using Foundation Models
di: Vafa, Keyon, et al.
Pubblicazione: (2024)

Optimization-based Causal Estimation from Heterogenous Environments
di: Yin, Mingzhang, et al.
Pubblicazione: (2021)

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries
di: Wu, Bohan, et al.
Pubblicazione: (2025)

TabMixNN: A Unified Deep Learning Framework for Structural Mixed Effects Modeling on Tabular Data
di: Akdemir, Deniz
Pubblicazione: (2025)

Stable Differentiable Causal Discovery
di: Nazaret, Achille, et al.
Pubblicazione: (2023)

Class Distribution Shifts in Zero-Shot Learning: Learning Robust Representations
di: Slavutsky, Yuli, et al.
Pubblicazione: (2023)

Scalable Bayesian Inference for Generalized Linear Mixed Models via Stochastic Gradient MCMC
di: Berchuck, Samuel I., et al.
Pubblicazione: (2024)

Safe, Scalable, and Accurate Bayes Posterior Sampling for Large-Data Generalized Linear Mixed Models
di: Baek, Youngsoo, et al.
Pubblicazione: (2026)

Scalable Krylov Subspace Methods for Generalized Mixed-Effects Models with Crossed Random Effects
di: Kündig, Pascal, et al.
Pubblicazione: (2025)

Scalable Subset Selection in Linear Mixed Models
di: Thompson, Ryan, et al.
Pubblicazione: (2025)

Predicting Classification Accuracy When Adding New Unobserved Classes
di: Slavutsky, Yuli, et al.
Pubblicazione: (2020)

Worst-case low-rank approximations
di: Fries, Anya, et al.
Pubblicazione: (2026)

Misspecification-robust Sequential Neural Likelihood for Simulation-based Inference
di: Kelly, Ryan P., et al.
Pubblicazione: (2023)

Preconditioned Robust Neural Posterior Estimation for Misspecified Simulators
di: Kelly, Ryan P., et al.
Pubblicazione: (2026)

Gradient Boosted Mixed Models: Flexible Joint Estimation of Mean and Variance Components for Clustered Data
di: Prevett, Mitchell L., et al.
Pubblicazione: (2025)

neuralGAM: An R Package for Fitting Generalized Additive Neural Networks
di: Ortega-Fernandez, Ines, et al.
Pubblicazione: (2025)

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

Ordinal Mixed-Effects Random Forest
di: Bergonzoli, Giulia, et al.
Pubblicazione: (2024)

Mixing times of data-augmentation Gibbs samplers for high-dimensional probit regression
di: Ascolani, Filippo, et al.
Pubblicazione: (2025)

Federated Learning for Non-factorizable Models using Deep Generative Prior Approximations
di: Hassan, Conor, et al.
Pubblicazione: (2024)

Generalizing Orthogonalization for Models with Non-Linearities
di: Rügamer, David, et al.
Pubblicazione: (2024)

Quantifying and Attributing Submodel Uncertainty in Stochastic Simulation Models and Digital Twins
di: Ghasemloo, Mohammadmahdi, et al.
Pubblicazione: (2026)

A Flexible Empirical Bayes Approach to Generalized Linear Models, with Applications to Sparse Logistic Regression
di: Xie, Dongyue, et al.
Pubblicazione: (2026)

MPO: An Efficient Post-Processing Framework for Mixing Diverse Preference Alignment
di: Wang, Tianze, et al.
Pubblicazione: (2025)

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

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

Fitting Large Nonlinear Mixed Effects Models Using Variational Expectation Maximization
di: Tarek, Mohamed, et al.
Pubblicazione: (2026)

Simulation-based inference for stochastic nonlinear mixed-effects models with applications in systems biology
di: Häggström, Henrik, et al.
Pubblicazione: (2025)

Probabilistic size-and-shape functional mixed models
di: Wang, Fangyi, et al.
Pubblicazione: (2024)

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

Language Models as Causal Effect Generators
di: Bynum, Lucius E. J., et al.
Pubblicazione: (2024)

Deep Generative Quantile Bayes
di: Kim, Jungeum, et al.
Pubblicazione: (2024)