Buchumschlag

BayesFlow: Learning complex stochastic models with invertible neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Radev, Stefan T., Mertens, Ulf K., Voss, Andreas, Ardizzone, Lynton, Köthe, Ullrich
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

BayesFlow 2: Multi-Backend Amortized Bayesian Inference in Python
von: Kühmichel, Lars, et al.
Veröffentlicht: (2026)

Towards Context-Aware Domain Generalization: Understanding the Benefits and Limits of Marginal Transfer Learning
von: Müller, Jens, et al.
Veröffentlicht: (2023)

Detecting Model Misspecification in Amortized Bayesian Inference with Neural Networks: An Extended Investigation
von: Schmitt, Marvin, et al.
Veröffentlicht: (2024)

Diffusion Models in Simulation-Based Inference: A Tutorial Review
von: Arruda, Jonas, et al.
Veröffentlicht: (2025)

From Core to Detail: Unsupervised Disentanglement with Entropy-Ordered Flows
von: Galperin, Daniel, et al.
Veröffentlicht: (2026)

Consistency Models for Scalable and Fast Simulation-Based Inference
von: Schmitt, Marvin, et al.
Veröffentlicht: (2023)

On the Universality of Volume-Preserving and Coupling-Based Normalizing Flows
von: Draxler, Felix, et al.
Veröffentlicht: (2024)

BayesFlow: A Probability Inference Framework for Meta-Agent Assisted Workflow Generation
von: Yuan, Bo, et al.
Veröffentlicht: (2026)

Sensitivity-Aware Amortized Bayesian Inference
von: Elsemüller, Lasse, et al.
Veröffentlicht: (2023)

Analyzing Generative Models by Manifold Entropic Metrics
von: Galperin, Daniel, et al.
Veröffentlicht: (2024)

Leveraging Self-Consistency for Data-Efficient Amortized Bayesian Inference
von: Schmitt, Marvin, et al.
Veröffentlicht: (2023)

Learning Distances from Data with Normalizing Flows and Score Matching
von: Sorrenson, Peter, et al.
Veröffentlicht: (2024)

TRADE: Transfer of Distributions between External Conditions with Normalizing Flows
von: Wahl, Stefan, et al.
Veröffentlicht: (2024)

Learning Distributions on Manifolds with Free-Form Flows
von: Sorrenson, Peter, et al.
Veröffentlicht: (2023)

The sampling complexity of learning invertible residual neural networks
von: Li, Yuanyuan, et al.
Veröffentlicht: (2024)

Split-Flows: Measure Transport and Information Loss Across Molecular Resolutions
von: Hummerich, Sander, et al.
Veröffentlicht: (2025)

Beyond Diagonal Covariance: Flexible Posterior VAEs via Free-Form Injective Flows
von: Sorrenson, Peter, et al.
Veröffentlicht: (2025)

Free-form Flows: Make Any Architecture a Normalizing Flow
von: Draxler, Felix, et al.
Veröffentlicht: (2023)

Breaking the Simplification Bottleneck in Amortized Neural Symbolic Regression
von: Saegert, Paul, et al.
Veröffentlicht: (2026)

Show Me What You Don't Know: Efficient Sampling from Invariant Sets for Model Validation
von: Rousselot, Armand, et al.
Veröffentlicht: (2026)

Lifting Architectural Constraints of Injective Flows
von: Sorrenson, Peter, et al.
Veröffentlicht: (2023)

Application-driven Validation of Posteriors in Inverse Problems
von: Adler, Tim J., et al.
Veröffentlicht: (2023)

OOD Detection with immature Models
von: Montazeran, Behrooz, et al.
Veröffentlicht: (2025)

Does Unsupervised Domain Adaptation Improve the Robustness of Amortized Bayesian Inference? A Systematic Evaluation
von: Elsemüller, Lasse, et al.
Veröffentlicht: (2025)

Inadequacy of common stochastic neural networks for reliable clinical decision support
von: Lindenmeyer, Adrian, et al.
Veröffentlicht: (2024)

CogFormer: Learn All Your Models Once
von: Huang, Jerry M., et al.
Veröffentlicht: (2026)

Inverting Foundation Models of Brain Function with Simulation-Based Inference
von: Bracher, Niels, et al.
Veröffentlicht: (2026)

Testing and Improving the Robustness of Amortized Bayesian Inference for Cognitive Models
von: Wu, Yufei, et al.
Veröffentlicht: (2024)

Expert-elicitation method for non-parametric joint priors using normalizing flows
von: Bockting, Florence, et al.
Veröffentlicht: (2024)

Simulation-Based Prior Knowledge Elicitation for Parametric Bayesian Models
von: Bockting, Florence, et al.
Veröffentlicht: (2023)

Inferring stochastic low-rank recurrent neural networks from neural data
von: Pals, Matthijs, et al.
Veröffentlicht: (2024)

Koopman operator learning using invertible neural networks
von: Meng, Yuhuang, et al.
Veröffentlicht: (2023)

The Hessian of tall-skinny networks is easy to invert
von: Rahimi, Ali
Veröffentlicht: (2026)

Low-rank surrogate modeling and stochastic zero-order optimization for training of neural networks with black-box layers
von: Chertkov, Andrei, et al.
Veröffentlicht: (2025)

$Δ$-PINNs: physics-informed neural networks on complex geometries
von: Costabal, Francisco Sahli, et al.
Veröffentlicht: (2022)

Physics-informed neural networks for operator equations with stochastic data
von: Escapil-Inchauspé, Paul, et al.
Veröffentlicht: (2022)

Sample complexity of data-driven tuning of model hyperparameters in neural networks with structured parameter-dependent dual function
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Nonlocal techniques for the analysis of deep ReLU neural network approximations
von: Schneider, Cornelia, et al.
Veröffentlicht: (2025)

Amortized Bayesian Multilevel Models
von: Habermann, Daniel, et al.
Veröffentlicht: (2024)

Comparison of neural network training strategies for the simulation of dynamical systems
von: Strasser, Paul, et al.
Veröffentlicht: (2025)