Buchumschlag

Symmetry Guarantees Statistic Recovery in Variational Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Marks, Daniel, Paccagnan, Dario, van der Wilk, Mark
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

Pick-to-Learn for Systems and Control: Data-driven Synthesis with State-of-the-art Safety Guarantees
von: Paccagnan, Dario, et al.
Veröffentlicht: (2025)

Variational Inference Failures Under Model Symmetries: Permutation Invariant Posteriors for Bayesian Neural Networks
von: Gelberg, Yoav, et al.
Veröffentlicht: (2024)

Inverse-Free Sparse Variational Gaussian Processes
von: Cortinovis, Stefano, et al.
Veröffentlicht: (2026)

SynDaCaTE: A Synthetic Dataset For Evaluating Part-Whole Hierarchical Inference
von: Levi, Jake, et al.
Veröffentlicht: (2025)

Even More Guarantees for Variational Inference in the Presence of Symmetries
von: Zellinger, Lena, et al.
Veröffentlicht: (2026)

Generalized Guarantees for Variational Inference in the Presence of Even and Elliptical Symmetry
von: Margossian, Charles C., et al.
Veröffentlicht: (2025)

Bivariate Causal Discovery using Bayesian Model Selection
von: Dhir, Anish, et al.
Veröffentlicht: (2023)

Adjusting Model Size in Continual Gaussian Processes: How Big is Big Enough?
von: Pescador-Barrios, Guiomar, et al.
Veröffentlicht: (2024)

Learning in Deep Factor Graphs with Gaussian Belief Propagation
von: Nabarro, Seth, et al.
Veröffentlicht: (2023)

Active Seriation: Efficient Ordering Recovery with Statistical Guarantees
von: Cheshire, James, et al.
Veröffentlicht: (2026)

WardropNet: Traffic Flow Predictions via Equilibrium-Augmented Learning
von: Jungel, Kai, et al.
Veröffentlicht: (2024)

A Distributed Gaussian Process Model for Multi-Robot Mapping
von: Nabarro, Seth, et al.
Veröffentlicht: (2026)

Noether's razor: Learning Conserved Quantities
von: van der Ouderaa, Tycho F. A., et al.
Veröffentlicht: (2024)

Variational Inference with Coverage Guarantees in Simulation-Based Inference
von: Patel, Yash, et al.
Veröffentlicht: (2023)

A Meta-Learning Approach to Bayesian Causal Discovery
von: Dhir, Anish, et al.
Veröffentlicht: (2024)

Continuous Bayesian Model Selection for Multivariate Causal Discovery
von: Dhir, Anish, et al.
Veröffentlicht: (2024)

Theoretical Guarantees for Variational Inference with Fixed-Variance Mixture of Gaussians
von: Huix, Tom, et al.
Veröffentlicht: (2024)

Statistical Inference Leveraging Synthetic Data with Distribution-Free Guarantees
von: Bashari, Meshi, et al.
Veröffentlicht: (2025)

Recommendations for Baselines and Benchmarking Approximate Gaussian Processes
von: Ober, Sebastian W., et al.
Veröffentlicht: (2024)

Informal Safety Guarantees for Simulated Optimizers Through Extrapolation from Partial Simulations
von: Marks, Luke
Veröffentlicht: (2023)

Optimization Guarantees for Square-Root Natural-Gradient Variational Inference
von: Kumar, Navish, et al.
Veröffentlicht: (2025)

The Neural Tangent Kernel for Classification
von: Plenk, Jonathan, et al.
Veröffentlicht: (2026)

Rethinking Aleatoric and Epistemic Uncertainty
von: Smith, Freddie Bickford, et al.
Veröffentlicht: (2024)

Equivariant Representation Learning for Symmetry-Aware Inference with Guarantees
von: Ordoñez-Apraez, Daniel, et al.
Veröffentlicht: (2025)

Transfer Learning Bayesian Optimization to Design Competitor DNA Molecules for Use in Diagnostic Assays
von: Sedgwick, Ruby, et al.
Veröffentlicht: (2024)

Theoretical Convergence Guarantees for Variational Autoencoders
von: Surendran, Sobihan, et al.
Veröffentlicht: (2024)

Variational Inference in Location-Scale Families: Exact Recovery of the Mean and Correlation Matrix
von: Margossian, Charles C., et al.
Veröffentlicht: (2024)

Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning
von: Dhir, Anish, et al.
Veröffentlicht: (2025)

Guarantees of confidentiality via Hammersley-Chapman-Robbins bounds
von: Chaudhuri, Kamalika, et al.
Veröffentlicht: (2024)

Statistical Guarantees for Offline Domain Randomization
von: Fickinger, Arnaud, et al.
Veröffentlicht: (2025)

Efficient Evaluation of LLM Performance with Statistical Guarantees
von: Wu, Skyler, et al.
Veröffentlicht: (2026)

A Recovery Guarantee for Sparse Neural Networks
von: Fridovich-Keil, Sara, et al.
Veröffentlicht: (2025)

Efficient Techniques for Data Reconstruction, with Finite-Width Recovery Guarantees
von: Tansley, Edward, et al.
Veröffentlicht: (2026)

Local Linear Recovery Guarantee of Deep Neural Networks at Overparameterization
von: Zhang, Yaoyu, et al.
Veröffentlicht: (2024)

Convergence and Recovery Guarantees of Unsupervised Neural Networks for Inverse Problems
von: Buskulic, Nathan, et al.
Veröffentlicht: (2023)

Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees
von: Terenin, Alexander, et al.
Veröffentlicht: (2022)

System-Aware Neural ODE Processes for Few-Shot Bayesian Optimization
von: Qing, Jixiang, et al.
Veröffentlicht: (2024)

PSyDUCK: Training-Free Steganography for Latent Diffusion
von: Mahfuz, Aqib, et al.
Veröffentlicht: (2025)

A Frequentist Statistical Introduction to Variational Inference, Autoencoders, and Diffusion Models
von: Chen, Yen-Chi
Veröffentlicht: (2025)

Statistical Guarantees for High-Dimensional Stochastic Gradient Descent
von: Li, Jiaqi, et al.
Veröffentlicht: (2025)