( en | de | ru )

 

Disambiguierung von "Bach, Francis"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Sample Complexity of Sinkhorn Divergences

, , , , und . Proceedings of Machine Learning Research, Volume 89 von Proceedings of Machine Learning Research, Seite 1574--1583. PMLR, (16--18 Apr 2019)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Francis Adigbli

Francis Kunnumpuram

Francis Sousa

Francis Obeng

Francis Mutajuka

 

Weitere Publikationen von Autoren mit dem selben Namen

Active learning for misspecified generalized linear models. Advances in Neural Information Processing Systems 19, MIT Press, Cambridge, MA, (2007)Nonparametric Linear Feature Learning in Regression Through Regularisation., , und . CoRR, (2023)Physics-informed machine learning as a kernel method., , , und . CoRR, (2024)On the Impact of Overparameterization on the Training of a Shallow Neural Network in High Dimensions., , und . AISTATS, Volume 238 von Proceedings of Machine Learning Research, Seite 3655-3663. PMLR, (2024)The Galerkin method beats Graph-Based Approaches for Spectral Algorithms., und . AISTATS, Volume 238 von Proceedings of Machine Learning Research, Seite 451-459. PMLR, (2024)Optimal algorithms for non-smooth distributed optimization in networks, , , , und . Advances in Neural Information Processing Systems, Seite 2745--2754. (2018)Regularization properties of adversarially-trained linear regression., , , und . CoRR, (2023)Breaking the Curse of Dimensionality with Convex Neural Networks. (2014)cite arxiv:1412.8690.High-Dimensional Analysis of Double Descent for Linear Regression with Random Projections.. SIAM J. Math. Data Sci., 6 (1): 26-50 (März 2024)Sample Complexity of Sinkhorn Divergences, , , , und . Proceedings of Machine Learning Research, Volume 89 von Proceedings of Machine Learning Research, Seite 1574--1583. PMLR, (16--18 Apr 2019)