Stein’s method and functional inequalities in machine learning

Información del proyecto

Stein-ML

Identificador del acuerdo de subvención: 101024264

DOI

10.3030/101024264

Proyecto cerrado

Fecha de la firma de la CE 19 Marzo 2021

Fecha de inicio 1 Septiembre 2021

Fecha de finalización 30 Noviembre 2023

Financiado con arreglo a

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coste total

€ 186 451,20

Aportación de la UE

€ 186 451,20

Coordinado por

UNIVERSITE DU LUXEMBOURG
Luxembourg

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Publicaciones

Peer reviewed articles (2)

The multivariate functional de Jong CLT

Autores: Christian Döbler, Mikołaj Kasprzak,Giovanni Peccati
Publicado en: Probability Theory and Related Fields, Edición 184, 2022, Página(s) 367–399, ISSN 0178-8051
Editor: Springer Verlag
DOI: 10.1007/s00440-022-01114-3

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

Autores: Mikołaj Kasprzak, Giovanni Peccati
Publicado en: Annals of Applied Probability, 2023, ISSN 1050-5164
Editor: Institute of Mathematical Statistics
DOI: 10.1214/22-aap1897

Conference proceedings (1)

A Targeted Accuracy Diagnostic for Variational Approximations

Autores: Wang, Yu; Kasprzak, Mikołaj; Huggins, Jonathan H.
Publicado en: Proc. of the 26th International Conference on Artificial Intelligence and Statistics (AISTATS), Edición 25-27 April 2023, 2023
Editor: 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

Autores: George Wynne, Mikołaj Kasprzak, Andrew Duncan
Publicado en: 2022
Editor: ArXiv

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

Autores: Mikołaj Kasprzak, Ryan Giordano, Tamara Broderick
Publicado en: 2022
Editor: ArXiv