Buchumschlag

Identifiable Bayesian Deep Generative Copulas with Unknown Layer Widths for Data with Arbitrary Marginal Distributions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feldman, Joseph, Gu, Yuqi
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

Deep Discrete Encoders: Identifiable Deep Generative Models for Rich Data with Discrete Latent Layers
von: Lee, Seunghyun, et al.
Veröffentlicht: (2025)

Gaussian Copula Models for Nonignorable Missing Data Using Auxiliary Marginal Quantiles
von: Feldman, Joseph, et al.
Veröffentlicht: (2024)

Deep Copula-Based Survival Analysis for Dependent Censoring with Identifiability Guarantees
von: Zhang, Weijia, et al.
Veröffentlicht: (2023)

On Theoretical Identifiability of Discrete Latent Causal Graphical Models
von: Lee, Seunghyun, et al.
Veröffentlicht: (2025)

Unfolding Tensors to Identify the Graph in Discrete Latent Bipartite Graphical Models
von: Gu, Yuqi
Veröffentlicht: (2025)

Improving Generalization of Deep Neural Networks by Leveraging Margin Distribution
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2018)

Copula-ResLogit: A Deep-Copula Framework for Unobserved Confounding Effects
von: Kamal, Kimia, et al.
Veröffentlicht: (2026)

A Bayesian Learning Algorithm for Unknown Zero-sum Stochastic Games with an Arbitrary Opponent
von: Jafarnia-Jahromi, Mehdi, et al.
Veröffentlicht: (2021)

Bayesian Quantile Regression with Subset Selection: A Decision Analysis Perspective
von: Feldman, Joseph, et al.
Veröffentlicht: (2023)

Identifying Heterogeneity in Distributed Learning
von: Xiao, Zelin, et al.
Veröffentlicht: (2025)

Deep Copula Classifier: Theory, Consistency, and Empirical Evaluation
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Causal Bayesian Optimization with Unknown Graphs
von: Durand, Jean, et al.
Veröffentlicht: (2025)

Data Distribution Valuation Using Generalized Bayesian Inference
von: Nguyen, Cuong N., et al.
Veröffentlicht: (2026)

Generalized Grade-of-Membership Estimation for High-dimensional Locally Dependent Data
von: Chen, Ling, et al.
Veröffentlicht: (2024)

Minimum Width of Deep Narrow Networks for Universal Approximation
von: Yang, Xiao-Song, et al.
Veröffentlicht: (2025)

Stable and Privacy-Preserving Synthetic Educational Data with Empirical Marginals: A Copula-Based Approach
von: Ramos, Gabriel Diaz, et al.
Veröffentlicht: (2026)

Robust Domain Generalization under Divergent Marginal and Conditional Distributions
von: Yeom, Jewon, et al.
Veröffentlicht: (2026)

Identifying Unknown Stochastic Dynamics via Finite expression methods
von: Liang, Senwei, et al.
Veröffentlicht: (2025)

The Role of Depth, Width, and Tree Size in Expressiveness of Deep Forest
von: Lyu, Shen-Huan, et al.
Veröffentlicht: (2024)

Discrete Copula Diffusion
von: Liu, Anji, et al.
Veröffentlicht: (2024)

A Generic Layer Pruning Method for Signal Modulation Recognition Deep Learning Models
von: Lu, Yao, et al.
Veröffentlicht: (2024)

Estimating Joint Interventional Distributions from Marginal Interventional Data
von: Mejia, Sergio Hernan Garrido, et al.
Veröffentlicht: (2024)

Distributed Bayesian Estimation in Sensor Networks: Consensus on Marginal Densities
von: Paritosh, Parth, et al.
Veröffentlicht: (2023)

Boundary Exploration for Bayesian Optimization With Unknown Physical Constraints
von: Tian, Yunsheng, et al.
Veröffentlicht: (2024)

Infinite-Width Limit of a Single Attention Layer: Analysis via Tensor Programs
von: Sakai, Mana, et al.
Veröffentlicht: (2025)

Agnostic Learning of Arbitrary ReLU Activation under Gaussian Marginals
von: Guo, Anxin, et al.
Veröffentlicht: (2024)

The Adaptivity Barrier in Batched Nonparametric Bandits: Sharp Characterization of the Price of Unknown Margin
von: Jiang, Rong, et al.
Veröffentlicht: (2025)

Global Convergence and Rich Feature Learning in $L$-Layer Infinite-Width Neural Networks under $μ$P Parametrization
von: Chen, Zixiang, et al.
Veröffentlicht: (2025)

TVineSynth: A Truncated C-Vine Copula Generator of Synthetic Tabular Data to Balance Privacy and Utility
von: Griesbauer, Elisabeth, et al.
Veröffentlicht: (2025)

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

Layer Separation Deep Learning Model with Auxiliary Variables for Partial Differential Equations
von: Liu, Yaru, et al.
Veröffentlicht: (2025)

An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
von: Liu, Qiao, et al.
Veröffentlicht: (2026)

Spiking Layer-Adaptive Magnitude-based Pruning
von: Wang, Junqiao, et al.
Veröffentlicht: (2026)

Few-sample Variational Inference of Bayesian Neural Networks with Arbitrary Nonlinearities
von: Schodt, David J.
Veröffentlicht: (2024)

Instance-Optimality for Private KL Distribution Estimation
von: Ye, Jiayuan, et al.
Veröffentlicht: (2025)

Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction
von: Kim, Jong-Min, et al.
Veröffentlicht: (2025)

Loss Gradient Gaussian Width based Generalization and Optimization Guarantees
von: Banerjee, Arindam, et al.
Veröffentlicht: (2024)

Provably Efficient Bayesian Optimization with Unknown Gaussian Process Hyperparameter Estimation
von: Ha, Huong, et al.
Veröffentlicht: (2023)

Bayesian Optimization for Unknown Cost-Varying Variable Subsets with No-Regret Costs
von: Hoang, Vu Viet, et al.
Veröffentlicht: (2024)

Bayesian Optimisation with Unknown Hyperparameters: Regret Bounds Logarithmically Closer to Optimal
von: Ziomek, Juliusz, et al.
Veröffentlicht: (2024)