Buchumschlag

Gradient Estimation with Discrete Stein Operators

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Jiaxin, Zhou, Yuhao, Hwang, Jessica, Titsias, Michalis K., Mackey, Lester
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Demystifying Diffusion Objectives: Reweighted Losses are Better Variational Bounds
von: Shi, Jiaxin, et al.
Veröffentlicht: (2025)

Sparse Orthogonal Variational Inference for Gaussian Processes
von: Shi, Jiaxin, et al.
Veröffentlicht: (2019)

Simplified and Generalized Masked Diffusion for Discrete Data
von: Shi, Jiaxin, et al.
Veröffentlicht: (2024)

New Bounds for Sparse Variational Gaussian Processes
von: Titsias, Michalis K.
Veröffentlicht: (2025)

Personalized Federated Learning with Exact Stochastic Gradient Descent
von: Nikoloutsopoulos, Sotirios, et al.
Veröffentlicht: (2022)

Sparse Gaussian Processes: Structured Approximations and Power-EP Revisited
von: Bui, Thang D., et al.
Veröffentlicht: (2025)

Learning-Order Autoregressive Models with Application to Molecular Graph Generation
von: Wang, Zhe, et al.
Veröffentlicht: (2025)

Probabilistic Inference and Learning with Stein's Method
von: Liu, Qiang, et al.
Veröffentlicht: (2026)

Controlling Moments with Kernel Stein Discrepancies
von: Kanagawa, Heishiro, et al.
Veröffentlicht: (2022)

Variance Reduction for the Independent Metropolis Sampler
von: Liu, Siran, et al.
Veröffentlicht: (2024)

Informed Correctors for Discrete Diffusion Models
von: Zhao, Yixiu, et al.
Veröffentlicht: (2024)

Gaussian Invariant Markov Chain Monte Carlo
von: Titsias, Michalis K., et al.
Veröffentlicht: (2025)

Variational Learning for Insertion-based Generation
von: Zhang, Yangtian, et al.
Veröffentlicht: (2026)

WildCat: Near-Linear Attention in Theory and Practice
von: Schröder, Tobias, et al.
Veröffentlicht: (2026)

It's Hard to Be Normal: The Impact of Noise on Structure-agnostic Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2025)

Estimating Treatment Effects with Independent Component Analysis
von: Reizinger, Patrik, et al.
Veröffentlicht: (2025)

The Illusion of Stochasticity in LLMs
von: Gu, Xiangming, et al.
Veröffentlicht: (2026)

Generalized Kernel Thinning
von: Dwivedi, Raaz, et al.
Veröffentlicht: (2021)

Kernel Thinning
von: Dwivedi, Raaz, et al.
Veröffentlicht: (2021)

The Relative Instability of Model Comparison with Cross-validation
von: Bayle, Alexandre, et al.
Veröffentlicht: (2025)

Kalman Filter for Online Classification of Non-Stationary Data
von: Titsias, Michalis K., et al.
Veröffentlicht: (2023)

SureMap: Simultaneous Mean Estimation for Single-Task and Multi-Task Disaggregated Evaluation
von: Khodak, Mikhail, et al.
Veröffentlicht: (2024)

Non-Stationary Learning of Neural Networks with Automatic Soft Parameter Reset
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Stein-Rule Shrinkage for Stochastic Gradient Estimation in High Dimensions
von: Arashi, M., et al.
Veröffentlicht: (2026)

Copula-Stein Discrepancy: A Generator-Based Stein Operator for Archimedean Dependence
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Debiased Distribution Compression
von: Li, Lingxiao, et al.
Veröffentlicht: (2024)

Bayesian Deep Learning for Remaining Useful Life Estimation via Stein Variational Gradient Descent
von: Della Libera, Luca, et al.
Veröffentlicht: (2024)

CANDI: Hybrid Discrete-Continuous Diffusion Models
von: Pynadath, Patrick, et al.
Veröffentlicht: (2025)

Adaptive Kernel Selection for Stein Variational Gradient Descent
von: Melcher, Moritz, et al.
Veröffentlicht: (2025)

Regularized Stein Variational Gradient Flow
von: He, Ye, et al.
Veröffentlicht: (2022)

Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models
von: Rannen-Triki, Amal, et al.
Veröffentlicht: (2024)

Compress Then Test: Powerful Kernel Testing in Near-linear Time
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2023)

Accelerating Convergence of Stein Variational Gradient Descent via Deep Unfolding
von: Kawamura, Yuya, et al.
Veröffentlicht: (2024)

Bounding Hellinger Distance with Stein's Method
von: Austern, Morgane, et al.
Veröffentlicht: (2024)

Approximate Stein Classes for Truncated Density Estimation
von: Williams, Daniel J., et al.
Veröffentlicht: (2023)

Annealed Stein Variational Gradient Descent for Improved Uncertainty Estimation in Full-Waveform Inversion
von: Corrales, Miguel, et al.
Veröffentlicht: (2024)

Beyond ReinMax: Low-Variance Gradient Estimators for Discrete Latent Variables
von: Wang, Daniel, et al.
Veröffentlicht: (2026)

TASTE: Task-Aware Out-of-Distribution Detection via Stein Operators
von: Kozyra, Michał, et al.
Veröffentlicht: (2026)

A Stein Gradient Descent Approach for Doubly Intractable Distributions
von: Lee, Heesang, et al.
Veröffentlicht: (2024)

Finite-Particle Rates for Regularized Stein Variational Gradient Descent
von: He, Ye, et al.
Veröffentlicht: (2026)