General theory for Big Bayes

Projektinformationen

GTBB

ID Finanzhilfevereinbarung: 834175

DOI

10.3030/834175

Projekt abgeschlossen

EK-Unterschriftsdatum 10 Mai 2019

Startdatum 1 Oktober 2019

Enddatum 31 März 2025

Finanziert unter

• EXCELLENT SCIENCE - European Research Council (ERC)

Gesamtkosten

€ 2 176 702,00

EU-Beitrag

€ 2 176 702,00

Koordiniert durch

UNIVERSITE PARIS DAUPHINE
France

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

Thesis and dissertations (7)

Flexible estimation of temporal point processes and graphs

Autoren: Deborah Sulem
Veröffentlicht in: 2023
Herausgeber: University of Oxfod

Advances in Bayesian asymptotics and Bayesian nonparametrics

Autoren: Caroline Lawless
Veröffentlicht in: 2023
Herausgeber: University of Oxford

Bayesian modelling of dependent data

Autoren: Daniel Moss
Veröffentlicht in: 2023
Herausgeber: University of Oxford

Bayesian nonparametric estimation under the manifold hypothesis

Autoren: Paul Rosa
Veröffentlicht in: 2025
Herausgeber: University of Oxford

Contributions à la sélection bayésienne des modèles de mélange finis et infinis avec une application au calcul distribué

Autoren: Adrien Hairault
Veröffentlicht in: 2023
Herausgeber: Hal portal theses

Bayesian methods for statistical network analysis and data subsamplingAbstract:

Autoren: Cian Naik
Veröffentlicht in: 2022
Herausgeber: University of Oxford

Power-law phenomena in Bayesian nonparametrics

Autoren: Francesca Panero
Veröffentlicht in: 2022
Herausgeber: University of Oxford

Other (11)

Nonparametric Bayesian intensity estimation for covariate-driven inhomogeneous point processes

Autoren: Matteo Giordano; Alisa Kirichenko; Judith Rousseau
Veröffentlicht in: 2024
Herausgeber: Arxiv

Mean-field Behaviour of Neural Tangent Kernel for Deep Neural Networks

Autoren: Soufiane Hayou, Arnaud Doucet, Judith Rousseau
Veröffentlicht in: 2020
Herausgeber: arxiv
DOI: 10.48550/arxiv.1905.13654

Scalable and adaptive variational Bayes methods for Hawkes processes

Autoren: Déborah Sulem, Vincent Rivoirard and Judith Rousseau
Veröffentlicht in: 2022
Herausgeber: arxiv

Minimax rates without the fixed sample size assumption

Autoren: Alisa Kirichenko, Peter Grünwald
Veröffentlicht in: 2020
Herausgeber: Arxiv
DOI: 10.48550/arxiv.2006.11170

Evidence estimation in finite and infinite mixture models and applications

Autoren: Adrien Hairault; Christian P. Robert, Judith Rousseau
Veröffentlicht in: 2022
Herausgeber: arxiv
DOI: 10.48550/arxiv.2205.05416

An Equivalence between Bayesian Priors and Penalties in Variational Inference

Autoren: Pierre Wolinski, Guillaume Charpiat, Yann Ollivier
Veröffentlicht in: 2021
Herausgeber: Arxiv

Asymptotics of approximate Bayesian computation when summary statistics converge at heterogeneous rates

Autoren: Caroline Lawless; Christian P. Robert; Judith Rousseau; Robin J. Ryder
Veröffentlicht in: 2023
Herausgeber: arxiv
DOI: 10.48550/arxiv.2311.10080

Empirical Bayes in Bayesian learning: understanding a common practice

Autoren: Stefano Rizzelli, Judith Rousseau, Sonia Petrone
Veröffentlicht in: 2024
Herausgeber: arxiv

The Bernstein-von Mises theorem for Semiparametric Mixtures

Autoren: Stefan Franssen, Jeanne Nguyen, Aad van der Vaart
Veröffentlicht in: 2024
Herausgeber: arxiv

Nonparametric regression on random geometric graphs sampled from submanifolds

Autoren: Paul Rosa , Judith Rousseau
Veröffentlicht in: 2024
Herausgeber: arxiv

Convergence of Diffusion Models Under the Manifold Hypothesis in High-Dimensions

Autoren: Iskander Azangulov, George Deligiannidis, Judith Rousseau
Veröffentlicht in: 2024
Herausgeber: arxiv

Peer reviewed articles (10)

Ideal Bayesian Spatial Adaptation

Autoren: Veronicka Rockova; Judith Rousseau
Veröffentlicht in: Journal of the American Statistical Association, 2023, ISSN 0162-1459
Herausgeber: American Statistical Association
DOI: 10.1080/01621459.2023.2241705

Efficient Bayesian estimation and use of cut posterior in semiparametric hidden Markov models

Autoren: Daniel Moss, Judith Rousseau
Veröffentlicht in: Electronic Journal of Statistics, Ausgabe 18, 2024, ISSN 1935-7524
Herausgeber: Institute of Mathematical Statistics
DOI: 10.1214/23-ejs2201

Asymptotic analysis of statistical estimators related to MultiGraphex processes under misspecification

Autoren: Zacharie Naulet, Judith Rousseau, François Caron
Veröffentlicht in: Bernoulli, Ausgabe 30, 2024, ISSN 1350-7265
Herausgeber: Chapman & Hall
DOI: 10.3150/23-bej1689

Sparse networks with core-periphery structure

Autoren: Cian Naik, Caron François, Judith Rousseau
Veröffentlicht in: Electronic Journal of Statistics, Ausgabe 15, 2021, Seite(n) 1814-1868, ISSN 1935-7524
Herausgeber: Institute of Mathematical Statistics
DOI: 10.1214/21-ejs1819

Semiparametric posterior corrections

Autoren: Andrew Yiu, Edwin Fong, Chris Holmes, Judith Rousseau
Veröffentlicht in: Journal of the Royal Statistical Society Series B: Statistical Methodology, 2025, ISSN 1369-7412
Herausgeber: Blackwell Publishing Inc.
DOI: 10.1093/jrsssb/qkaf005

On sparsity, power-law and clustering properties of graphex processes

Autoren: F. Caron, F. Panero and J. Rousseau
Veröffentlicht in: Advances in applied probability, 2023, ISSN 0001-8678
Herausgeber: Applied Probability Trust
DOI: 10.1017/apr.2022.75

Wasserstein convergence in Bayesian and frequentist deconvolution models

Autoren: Judith Rousseau, Catia Scricciolo
Veröffentlicht in: The Annals of Statistics, Ausgabe 52, 2024, ISSN 0090-5364
Herausgeber: Institute of Mathematical Statistics
DOI: 10.1214/24-aos2413

Bayesian estimation of nonlinearHawkes process

Autoren: D. Sulem, V. Rivoirard and J. Rousseau
Veröffentlicht in: Bernoulli, 2023, ISSN 1350-7265
Herausgeber: Chapman & Hall
DOI: 10.3150/23-bej1631

Estimating a density near an unknown manifold: A Bayesian nonparametric approach

Autoren: Clément Berenfeld, Paul Rosa, Judith Rousseau
Veröffentlicht in: The Annals of Statistics, Ausgabe 52, 2024, ISSN 0090-5364
Herausgeber: Institute of Mathematical Statistics
DOI: 10.1214/24-aos2423

Simple discrete-time self-exciting models can describe complex dynamic processes: A case study of COVID-19

Autoren: Raiha Browning, Deborah Sulem, Kerrie Mengersen, Vincent Rivoirard, Judith Rousseau
Veröffentlicht in: PLOS ONE, Ausgabe 16/4, 2021, Seite(n) e0250015, ISSN 1932-6203
Herausgeber: Public Library of Science
DOI: 10.1371/journal.pone.0250015

Conference proceedings (8)

Safe-Bayesian Generalized Linear Regression

Autoren: Rianne de Heide, Alisa Kirichenko, Nishant Mehta, Peter Grünwald
Veröffentlicht in: AISTATs, 2020
Herausgeber: MLR

Bayesian nonparametrics for sparse dynamic networks

Autoren: Cian Naik, Francois Caron, Judith Rousseau, Yee Whye Teh, Konstantina Palla
Veröffentlicht in: European Conference on Machine Learning and Data Mining, 2022
Herausgeber: ECML PKDD
DOI: 10.48550/arxiv.1607.01624

On the inability of Gaussian process regression to optimally learn compositional functions

Autoren: Matteo Giordano, Johannes Schmidt-Hieber, Kolyan Ra
Veröffentlicht in: Advances in Neural Information Processing Systems 36, Ausgabe 10495258, 2022, ISSN 1049-5258
Herausgeber: NeurIPS
DOI: 10.48550/arxiv.2205.07764

The Curse of Depth in Kernel Regime

Autoren: Soufiane Hayou;Arnaud Doucet; Judith Rousseau
Veröffentlicht in: 2021
Herausgeber: PMLR

Gaussian Pre-Activations in Neural Networks: Myth or Reality?

Autoren: Pierre Wolinsky, Julyan Arbel
Veröffentlicht in: Transactions on Machine Learning Research, 2025, ISSN 2835-8856
Herausgeber: JMLR

Posterior Contraction Rates for Matérn Gaussian Processes on Riemannian Manifolds

Autoren: Paul Rosa; Viacheslav Borovitskiy; Alexander Terenin; Judith Rousseau;
Veröffentlicht in: NeurIPS, 2023
Herausgeber: Open Review.net
DOI: 10.48550/arxiv.2309.10918

Stable Resnet

Autoren: Hayou, Soufiane and Clerico, Eugenio and He, Bobby and Deligiannidis, George and Doucet, Arnaud and Rousseau, Judith
Veröffentlicht in: Proceedings of The 24th International Conference on Artificial Intelligence and Statistics, Ausgabe 130, 2021, Seite(n) 1324--1332
Herausgeber: PMLR

Fast Bayesian Coresets via Subsampling and Quasi-Newton Refinement

Autoren: Cian Naik; Trevor Campbell; Judith Rousseau
Veröffentlicht in: NeurIPS, 2022
Herausgeber: OpenReview.net

Non-peer reviewed articles (2)

Besov-Laplace priors in density estimation: optimal posterior contraction rates and adaptation

Autoren: Matteo Giordano
Veröffentlicht in: Electronic Journal of Statistics, Ausgabe 17, 2023, ISSN 1935-7524
Herausgeber: Institute of Mathematical Statistics
DOI: 10.1214/23-ejs2161

Nonparametric Bayesian Inference for Reversible Multi-Dimensional Diffusions

Autoren: Matteo Giordano; Kolyan Ray
Veröffentlicht in: The Annals of Statistics, Ausgabe 00905364, 2022, ISSN 0090-5364
Herausgeber: Institute of Mathematical Statistics
DOI: 10.48550/arxiv.2012.12083