Testing and learning on distributional and set inputs

Testing and learning on distributional and set inputs

<p>As machine learning gains significant attention in many disciplines and research communities, the variety of data structures has increased, with examples including distributions and sets of observations. In this thesis, we consider sets and distributions as inputs for machine learning pr...

תיאור מלא

מידע ביבליוגרפי
מחבר ראשי:	Law, H
מחברים אחרים:	Sejdinovic, D
פורמט:	Thesis
שפה:	English
יצא לאור:	2019
נושאים:	Statistics Machine learning

פריטים דומים

Utilizing Statistical Tests for Comparing Machine Learning Algorithms
מאת: Hozan Khalid Hamarashid
יצא לאור: (2021-07-01)

The information of attribute uncertainties: what convolutional neural networks can learn about errors in input data
מאת: Natália V N Rodrigues, et al.
יצא לאור: (2023-01-01)

Towards trustworthy machine learning with kernels
מאת: Chau, SL
יצא לאור: (2023)

Towards data-efficient deep learning with meta-learning and symmetries
מאת: Xu, J
יצא לאור: (2023)

Kernel-based hypothesis tests: large-scale approximations and Bayesian perspectives
מאת: Zhang, Q
יצא לאור: (2019)

Enabling feature-level interpretability in non-linear latent variable models: a synthesis of statistical and machine learning techniques
מאת: Martens, K
יצא לאור: (2019)

Empirical performance of simple statistical inference-type models with feature extraction in comparison to modern machine learning methods concerning regression and classification problems
מאת: Dittgen, M
יצא לאור: (2019)

Expectancy learning from probabilistic input by infants
מאת: Alexa R Romberg, et al.
יצא לאור: (2013-01-01)

Evaluation metrics and statistical tests for machine learning
מאת: Oona Rainio, et al.
יצא לאור: (2024-03-01)

Boosting any learning algorithm with Statistically Enhanced Learning
מאת: Florian Felice, et al.
יצא לאור: (2025-01-01)

Finite Sample Analysis of Minmax Variant of Offline Reinforcement Learning for General MDPs
מאת: Jayanth Reddy Regatti, et al.
יצא לאור: (2022-01-01)

Input Complexity Affects Long-Term Retention of Statistically Learned Regularities in an Artificial Language Learning Task
מאת: Ethan Jost, et al.
יצא לאור: (2019-10-01)

Machine Learning for Neuroimaging with Scikit-Learn
מאת: Alexandre eAbraham, et al.
יצא לאור: (2014-02-01)

Machine learning and statistical models to address cluster-level confounding for the study of medical devices and surgical epidemiology using observational data
מאת: Du, M
יצא לאור: (2023)

Sample Size Analysis for Machine Learning Clinical Validation Studies
מאת: Daniel M. Goldenholz, et al.
יצא לאור: (2023-02-01)

Statistical Analysis and Machine Learning Used in the Case of Two Behavioral Tests Applied in Zebrafish Exposed to Mycotoxins
מאת: Tigran-Lucian Mandalian, et al.
יצא לאור: (2022-03-01)

Generative models: theory and applications
מאת: Benton, J
יצא לאור: (2023)

On the properties of random feature methods
מאת: Li, Z
יצא לאור: (2020)

Probabilistic models and Monte Carlo objectives in generative modelling
מאת: Shi, Y
יצא לאור: (2023)

Large scale methods for kernels, causal inference and survival modelling
מאת: Hu, R
יצא לאור: (2022)

Bayesian Experimental Design for Finding Reliable Level Set Under Input Uncertainty
מאת: Shogo Iwazaki, et al.
יצא לאור: (2020-01-01)

Intelligently learning from data
מאת: Edward Palmer, et al.
יצא לאור: (2019-04-01)

Bayesian reasoning and machine learning /
מאת: Barber, David, 1968-
יצא לאור: (2012)

A Computational Approach to Statistical Learning /
מאת: Arnold, Taylor, author, et al.
יצא לאור: (2019)

Height and Weight Estimation From Anthropometric Measurements Using Machine Learning Regressions
מאת: Diego Rativa, et al.
יצא לאור: (2018-01-01)

Diversity of Remote Sensing-Based Variable Inputs Improves the Estimation of Seasonal Maximum Freezing Depth
מאת: Bingquan Wang, et al.
יצא לאור: (2021-11-01)

Robustness, structure and hierarchy in deep generative models
מאת: Willetts, MJF
יצא לאור: (2021)

Inference on Markov random fields: methods and applications
מאת: Lienart, T
יצא לאור: (2017)

Optimizing Learning: Predicting Research Competency via Statistical Proficiency
מאת: Tarid Wongvorachan, et al.
יצא לאור: (2024-07-01)

Special Issue on Statistical and Learning-Theoretic Challenges in Data Privacy
מאת: Aleksandra B. Slavkovic, et al.
יצא לאור: (2012-07-01)

Machine learning methods for commonsense reasoning processes : interactive models /
מאת: Naidenova, Xenia, 1940-
יצא לאור: (2010)

Interference effects from machine learning matched confusable object pairs in memory assessment tasks
מאת: Batra, D
יצא לאור: (2022)

The future is coming: promising perspectives regarding the use of machine learning in renal transplantation
מאת: Pedro Guilherme Coelho Hannun, et al.
יצא לאור: (2018-10-01)

Geometry and representation learning in deep generative models
מאת: Mathieu, E
יצא לאור: (2021)

A nonparametric Bayesian method of translating machine learning scores to probabilities in clinical decision support
מאת: Brian Connolly, et al.
יצא לאור: (2017-08-01)

Neural networks and statistical learning /
מאת: Du, Ke-Lin, author, et al.
יצא לאור: (2014)

Influence of the input data on learning deep representations
מאת: Sylvestre-Alvise Rebuffi
יצא לאור: (2020)

Testing the Wind Energy Data Based on Environmental Factors Predicted by Machine Learning with Analysis of Variance
מאת: Yasemin Ayaz Atalan, et al.
יצא לאור: (2024-12-01)

Comparing conventional statistical models and machine learning in a small cohort of South African cardiac patients
מאת: Preesha Premsagar, et al.
יצא לאור: (2022-01-01)

Automated data acquisition via Bayesian experimental design
מאת: Ivanova, DR
יצא לאור: (2024)