:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Oliveira, Rafael
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2605.13160
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Theoretical guarantees for neural estimators in parametric statistics
von: Rödder, Almut, et al.
Veröffentlicht: (2025)

Learning to optimize with convergence guarantees using nonlinear system theory
von: Martin, Andrea, et al.
Veröffentlicht: (2024)

Kernel-based learning with guarantees for multi-agent applications
von: Kowalczyk, Krzysztof, et al.
Veröffentlicht: (2024)

Proximal basin hopping: global optimization with guarantees
von: Lauga, Guillaume, et al.
Veröffentlicht: (2026)

Kernel-based retrieval models for hyperspectral image data optimized with Kernel Flows
von: Duma, Zina-Sabrina, et al.
Veröffentlicht: (2024)

Automatic nonlinear MPC approximation with closed-loop guarantees
von: Tokmak, Abdullah, et al.
Veröffentlicht: (2023)

Accounting for shared covariates in semi-parametric Bayesian additive regression trees
von: Prado, Estevão B., et al.
Veröffentlicht: (2021)

Learning based convex approximation for constrained parametric optimization
von: Liu, Kang, et al.
Veröffentlicht: (2025)

Robust optimization for adversarial learning with finite sample complexity guarantees
von: Bertolace, André, et al.
Veröffentlicht: (2024)

A nonlinear extension of parametric model embedding for dimensionality reduction in parametric shape design
von: Serani, Andrea, et al.
Veröffentlicht: (2026)

Tensor train completion: local recovery guarantees via Riemannian optimization
von: Budzinskiy, Stanislav, et al.
Veröffentlicht: (2021)

Revisiting RIP guarantees for sketching operators on mixture models
von: Belhadji, Ayoub, et al.
Veröffentlicht: (2023)

Adversarially robust clustering with optimality guarantees
von: Jana, Soham, et al.
Veröffentlicht: (2023)

Statistical guarantees for denoising reflected diffusion models
von: Holk, Asbjørn, et al.
Veröffentlicht: (2024)

Bayesian Optimization by Kernel Regression and Density-based Exploration
von: Zhu, Tansheng, et al.
Veröffentlicht: (2025)

Learning to optimize with guarantees: a complete characterization of linearly convergent algorithms
von: Martin, Andrea, et al.
Veröffentlicht: (2025)

Bayesian Kernel Regression for Functional Data
von: Kusaba, Minoru, et al.
Veröffentlicht: (2025)

Universal generalization guarantees for Wasserstein distributionally robust models
von: Le, Tam, et al.
Veröffentlicht: (2024)

Kernel-based optimization of measurement operators for quantum reservoir computers
von: Gross, Markus, et al.
Veröffentlicht: (2026)

BSD: a Bayesian framework for parametric models of neural spectra
von: Medrano, Johan, et al.
Veröffentlicht: (2024)

PTPI-DL-ROMs: pre-trained physics-informed deep learning-based reduced order models for nonlinear parametrized PDEs
von: Brivio, Simone, et al.
Veröffentlicht: (2024)

Derivatives of Stochastic Gradient Descent in parametric optimization
von: Iutzeler, Franck, et al.
Veröffentlicht: (2024)

An exponential mechanism based on quadratic approximations for fine-tuning machine learning models with privacy guarantees
von: Tran, Hoang, et al.
Veröffentlicht: (2026)

Bayesian Adaptive Calibration and Optimal Design
von: Oliveira, Rafael, et al.
Veröffentlicht: (2024)

Kernelized Normalizing Constant Estimation: Bridging Bayesian Quadrature and Bayesian Optimization
von: Cai, Xu, et al.
Veröffentlicht: (2024)

Federated learning over physical channels: adaptive algorithms with near-optimal guarantees
von: Zhang, Rui, et al.
Veröffentlicht: (2025)

Generative Bayesian Optimization: Generative Models as Acquisition Functions
von: Oliveira, Rafael, et al.
Veröffentlicht: (2025)

Real-time optimal control of high-dimensional parametrized systems by deep learning-based reduced order models
von: Tomasetto, Matteo, et al.
Veröffentlicht: (2024)

Integrating uncertainty quantification into randomized smoothing based robustness guarantees
von: Däubener, Sina, et al.
Veröffentlicht: (2024)

Laplace Approximation for Bayesian Tensor Network Kernel Machines
von: Saiapin, Albert, et al.
Veröffentlicht: (2026)

Symmetry-Aware Bayesian Optimization via Max Kernels
von: Bardou, Anthony, et al.
Veröffentlicht: (2025)

Surrogate modeling for Bayesian optimization beyond a single Gaussian process
von: Lu, Qin, et al.
Veröffentlicht: (2022)

Denoising guarantees for optimized sampling schemes in compressed sensing
von: Plan, Yaniv, et al.
Veröffentlicht: (2025)

Probabilistic Bayesian optimal experimental design using conditional normalizing flows
von: Orozco, Rafael, et al.
Veröffentlicht: (2024)

Semi-parametric Expert Bayesian Network Learning with Gaussian Processes and Horseshoe Priors
von: Weng, Yidou, et al.
Veröffentlicht: (2024)

Kernel Density Bayesian Inverse Reinforcement Learning
von: Mandyam, Aishwarya, et al.
Veröffentlicht: (2023)

Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient Kernels
von: Long, Da, et al.
Veröffentlicht: (2023)

Omnipresent Yet Overlooked: Heat Kernels in Combinatorial Bayesian Optimization
von: Doumont, Colin, et al.
Veröffentlicht: (2025)

Bayesian Optimization over Bounded Domains with the Beta Product Kernel
von: Nguyen, Huy Hoang, et al.
Veröffentlicht: (2025)

A theoretical guarantee for SyncRank
von: Rao, Yang
Veröffentlicht: (2025)