Stein’s method and functional inequalities in machine learning

Projektinformationen

Stein-ML

ID Finanzhilfevereinbarung: 101024264

DOI

10.3030/101024264

Projekt abgeschlossen

EK-Unterschriftsdatum 19 März 2021

Startdatum 1 September 2021

Enddatum 30 November 2023

Finanziert unter

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Gesamtkosten

€ 186 451,20

EU-Beitrag

€ 186 451,20

Koordiniert durch

UNIVERSITE DU LUXEMBOURG
Luxembourg

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Veröffentlichungen

Peer reviewed articles (2)

The multivariate functional de Jong CLT

Autoren: Christian Döbler, Mikołaj Kasprzak,Giovanni Peccati
Veröffentlicht in: Probability Theory and Related Fields, Ausgabe 184, 2022, Seite(n) 367–399, ISSN 0178-8051
Herausgeber: Springer Verlag
DOI: 10.1007/s00440-022-01114-3

Vector-valued statistics of binomial processes: Berry-Esseen bounds in the convex distance

Autoren: Mikołaj Kasprzak, Giovanni Peccati
Veröffentlicht in: Annals of Applied Probability, 2023, ISSN 1050-5164
Herausgeber: Institute of Mathematical Statistics
DOI: 10.1214/22-aap1897

Conference proceedings (1)

A Targeted Accuracy Diagnostic for Variational Approximations

Autoren: Wang, Yu; Kasprzak, Mikołaj; Huggins, Jonathan H.
Veröffentlicht in: Proc. of the 26th International Conference on Artificial Intelligence and Statistics (AISTATS), Ausgabe 25-27 April 2023, 2023
Herausgeber: Proceedings of Machine Learning Research
DOI: 10.48550/arxiv.2302.12419

Other (2)

A Fourier Representation of Kernel Stein Discrepancy with Application to Goodness-of-Fit Tests for Measures on Infinite Dimensional Hilbert Spaces

Autoren: George Wynne, Mikołaj Kasprzak, Andrew Duncan
Veröffentlicht in: 2022
Herausgeber: ArXiv

How good is your Laplace approximation of the Bayesian posterior? Finite-sample computable error bounds for a variety of useful divergences

Autoren: Mikołaj Kasprzak, Ryan Giordano, Tamara Broderick
Veröffentlicht in: 2022
Herausgeber: ArXiv