Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

General theory for Big Bayes

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

Flexible estimation of temporal point processes and graphs

Autores: Deborah Sulem
Publicado en: 2023
Editor: University of Oxfod

Advances in Bayesian asymptotics and Bayesian nonparametrics

Autores: Caroline Lawless
Publicado en: 2023
Editor: University of Oxford

Bayesian modelling of dependent data

Autores: Daniel Moss
Publicado en: 2023
Editor: University of Oxford

Bayesian nonparametric estimation under the manifold hypothesis

Autores: Paul Rosa
Publicado en: 2025
Editor: University of Oxford

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

Autores: Adrien Hairault
Publicado en: 2023
Editor: Hal portal theses

Bayesian methods for statistical network analysis and data subsamplingAbstract:

Autores: Cian Naik
Publicado en: 2022
Editor: University of Oxford

Power-law phenomena in Bayesian nonparametrics

Autores: Francesca Panero
Publicado en: 2022
Editor: University of Oxford

Nonparametric Bayesian intensity estimation for covariate-driven inhomogeneous point processes

Autores: Matteo Giordano; Alisa Kirichenko; Judith Rousseau
Publicado en: 2024
Editor: Arxiv

Mean-field Behaviour of Neural Tangent Kernel for Deep Neural Networks (se abrirá en una nueva ventana)

Autores: Soufiane Hayou, Arnaud Doucet, Judith Rousseau
Publicado en: 2020
Editor: arxiv
DOI: 10.48550/arxiv.1905.13654

Scalable and adaptive variational Bayes methods for Hawkes processes

Autores: Déborah Sulem, Vincent Rivoirard and Judith Rousseau
Publicado en: 2022
Editor: arxiv

Minimax rates without the fixed sample size assumption (se abrirá en una nueva ventana)

Autores: Alisa Kirichenko, Peter Grünwald
Publicado en: 2020
Editor: Arxiv
DOI: 10.48550/arxiv.2006.11170

Evidence estimation in finite and infinite mixture models and applications (se abrirá en una nueva ventana)

Autores: Adrien Hairault; Christian P. Robert, Judith Rousseau
Publicado en: 2022
Editor: arxiv
DOI: 10.48550/arxiv.2205.05416

An Equivalence between Bayesian Priors and Penalties in Variational Inference

Autores: Pierre Wolinski, Guillaume Charpiat, Yann Ollivier
Publicado en: 2021
Editor: Arxiv

Asymptotics of approximate Bayesian computation when summary statistics converge at heterogeneous rates (se abrirá en una nueva ventana)

Autores: Caroline Lawless; Christian P. Robert; Judith Rousseau; Robin J. Ryder
Publicado en: 2023
Editor: arxiv
DOI: 10.48550/arxiv.2311.10080

Empirical Bayes in Bayesian learning: understanding a common practice

Autores: Stefano Rizzelli, Judith Rousseau, Sonia Petrone
Publicado en: 2024
Editor: arxiv

The Bernstein-von Mises theorem for Semiparametric Mixtures

Autores: Stefan Franssen, Jeanne Nguyen, Aad van der Vaart
Publicado en: 2024
Editor: arxiv

Nonparametric regression on random geometric graphs sampled from submanifolds

Autores: Paul Rosa , Judith Rousseau
Publicado en: 2024
Editor: arxiv

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

Autores: Iskander Azangulov, George Deligiannidis, Judith Rousseau
Publicado en: 2024
Editor: arxiv

Ideal Bayesian Spatial Adaptation (se abrirá en una nueva ventana)

Autores: Veronicka Rockova; Judith Rousseau
Publicado en: Journal of the American Statistical Association, 2023, ISSN 0162-1459
Editor: American Statistical Association
DOI: 10.1080/01621459.2023.2241705

Efficient Bayesian estimation and use of cut posterior in semiparametric hidden Markov models (se abrirá en una nueva ventana)

Autores: Daniel Moss, Judith Rousseau
Publicado en: Electronic Journal of Statistics, Edición 18, 2024, ISSN 1935-7524
Editor: Institute of Mathematical Statistics
DOI: 10.1214/23-ejs2201

Asymptotic analysis of statistical estimators related to MultiGraphex processes under misspecification (se abrirá en una nueva ventana)

Autores: Zacharie Naulet, Judith Rousseau, François Caron
Publicado en: Bernoulli, Edición 30, 2024, ISSN 1350-7265
Editor: Chapman & Hall
DOI: 10.3150/23-bej1689

Sparse networks with core-periphery structure (se abrirá en una nueva ventana)

Autores: Cian Naik, Caron François, Judith Rousseau
Publicado en: Electronic Journal of Statistics, Edición 15, 2021, Página(s) 1814-1868, ISSN 1935-7524
Editor: Institute of Mathematical Statistics
DOI: 10.1214/21-ejs1819

Semiparametric posterior corrections (se abrirá en una nueva ventana)

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

On sparsity, power-law and clustering properties of graphex processes (se abrirá en una nueva ventana)

Autores: F. Caron, F. Panero and J. Rousseau
Publicado en: Advances in applied probability, 2023, ISSN 0001-8678
Editor: Applied Probability Trust
DOI: 10.1017/apr.2022.75

Wasserstein convergence in Bayesian and frequentist deconvolution models (se abrirá en una nueva ventana)

Autores: Judith Rousseau, Catia Scricciolo
Publicado en: The Annals of Statistics, Edición 52, 2024, ISSN 0090-5364
Editor: Institute of Mathematical Statistics
DOI: 10.1214/24-aos2413

Bayesian estimation of nonlinearHawkes process (se abrirá en una nueva ventana)

Autores: D. Sulem, V. Rivoirard and J. Rousseau
Publicado en: Bernoulli, 2023, ISSN 1350-7265
Editor: Chapman & Hall
DOI: 10.3150/23-bej1631

Estimating a density near an unknown manifold: A Bayesian nonparametric approach (se abrirá en una nueva ventana)

Autores: Clément Berenfeld, Paul Rosa, Judith Rousseau
Publicado en: The Annals of Statistics, Edición 52, 2024, ISSN 0090-5364
Editor: 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 (se abrirá en una nueva ventana)

Autores: Raiha Browning, Deborah Sulem, Kerrie Mengersen, Vincent Rivoirard, Judith Rousseau
Publicado en: PLOS ONE, Edición 16/4, 2021, Página(s) e0250015, ISSN 1932-6203
Editor: Public Library of Science
DOI: 10.1371/journal.pone.0250015

Safe-Bayesian Generalized Linear Regression

Autores: Rianne de Heide, Alisa Kirichenko, Nishant Mehta, Peter Grünwald
Publicado en: AISTATs, 2020
Editor: MLR

Bayesian nonparametrics for sparse dynamic networks (se abrirá en una nueva ventana)

Autores: Cian Naik, Francois Caron, Judith Rousseau, Yee Whye Teh, Konstantina Palla
Publicado en: European Conference on Machine Learning and Data Mining, 2022
Editor: ECML PKDD
DOI: 10.48550/arxiv.1607.01624

On the inability of Gaussian process regression to optimally learn compositional functions (se abrirá en una nueva ventana)

Autores: Matteo Giordano, Johannes Schmidt-Hieber, Kolyan Ra
Publicado en: Advances in Neural Information Processing Systems 36, Edición 10495258, 2022, ISSN 1049-5258
Editor: NeurIPS
DOI: 10.48550/arxiv.2205.07764

The Curse of Depth in Kernel Regime

Autores: Soufiane Hayou;Arnaud Doucet; Judith Rousseau
Publicado en: 2021
Editor: PMLR

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

Autores: Pierre Wolinsky, Julyan Arbel
Publicado en: Transactions on Machine Learning Research, 2025, ISSN 2835-8856
Editor: JMLR

Posterior Contraction Rates for Matérn Gaussian Processes on Riemannian Manifolds (se abrirá en una nueva ventana)

Autores: Paul Rosa; Viacheslav Borovitskiy; Alexander Terenin; Judith Rousseau;
Publicado en: NeurIPS, 2023
Editor: Open Review.net
DOI: 10.48550/arxiv.2309.10918

Stable Resnet

Autores: Hayou, Soufiane and Clerico, Eugenio and He, Bobby and Deligiannidis, George and Doucet, Arnaud and Rousseau, Judith
Publicado en: Proceedings of The 24th International Conference on Artificial Intelligence and Statistics, Edición 130, 2021, Página(s) 1324--1332
Editor: PMLR

Fast Bayesian Coresets via Subsampling and Quasi-Newton Refinement

Autores: Cian Naik; Trevor Campbell; Judith Rousseau
Publicado en: NeurIPS, 2022
Editor: OpenReview.net

Besov-Laplace priors in density estimation: optimal posterior contraction rates and adaptation (se abrirá en una nueva ventana)

Autores: Matteo Giordano
Publicado en: Electronic Journal of Statistics, Edición 17, 2023, ISSN 1935-7524
Editor: Institute of Mathematical Statistics
DOI: 10.1214/23-ejs2161

Nonparametric Bayesian Inference for Reversible Multi-Dimensional Diffusions (se abrirá en una nueva ventana)

Autores: Matteo Giordano; Kolyan Ray
Publicado en: The Annals of Statistics, Edición 00905364, 2022, ISSN 0090-5364
Editor: Institute of Mathematical Statistics
DOI: 10.48550/arxiv.2012.12083

Buscando datos de OpenAIRE...

Se ha producido un error en la búsqueda de datos de OpenAIRE

No hay resultados disponibles

Mi folleto 0 0