Buchumschlag

An Approximation Theory Framework for Measure-Transport Sampling Algorithms

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baptista, Ricardo, Hosseini, Bamdad, Kovachki, Nikola B., Marzouk, Youssef M., Sagiv, Amir
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Numerical Analysis Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Score Operator Newton transport
von: Chandramoorthy, Nisha, et al.
Veröffentlicht: (2023)

Convergence of Noise-Free Sampling Algorithms with Regularized Wasserstein Proximals
von: Han, Fuqun, et al.
Veröffentlicht: (2024)

Multi-fidelity No-U-Turn Sampling
von: Ravi, Kislaya, et al.
Veröffentlicht: (2023)

Operator Learning: Algorithms and Analysis
von: Kovachki, Nikola B., et al.
Veröffentlicht: (2024)

A Kernel-based Stochastic Approximation Framework for Nonlinear Operator Learning
von: Yang, Jia-Qi, et al.
Veröffentlicht: (2025)

Measure transport with kernel mean embeddings
von: Wang, L., et al.
Veröffentlicht: (2024)

Coverage errors for Student's t confidence intervals comparable to those in Hall (1988)
von: Owen, Art B.
Veröffentlicht: (2025)

Basis Choices for Frequency Domain Statistical Independence Tests and Algorithms for Algebraic Relation Extraction
von: Shi, Juan, et al.
Veröffentlicht: (2025)

Faster Diffusion Models via Higher-Order Approximation
von: Li, Gen, et al.
Veröffentlicht: (2025)

Sampling pseudospectrum for data-driven matrices
von: Wormell, Caroline
Veröffentlicht: (2026)

Computable error bounds for quasi-Monte Carlo using points with non-negative local discrepancy
von: Gnewuch, Michael, et al.
Veröffentlicht: (2023)

Dimension-Free Convergence of Diffusion Models for Approximate Gaussian Mixtures
von: Li, Gen, et al.
Veröffentlicht: (2025)

Simultaneous Approximation of the Score Function and Its Derivatives by Deep Neural Networks
von: Yakovlev, Konstantin, et al.
Veröffentlicht: (2025)

Transformers for Learning on Noisy and Task-Level Manifolds: Approximation and Generalization Insights
von: Shen, Zhaiming, et al.
Veröffentlicht: (2025)

Can Linear Probes Measure LLM Uncertainty?
von: Dakhmouche, Ramzi, et al.
Veröffentlicht: (2025)

On Spectral Learning for Odeco Tensors: Perturbation, Initialization, and Algorithms
von: Auddy, Arnab, et al.
Veröffentlicht: (2025)

Zero variance self-normalized importance sampling via estimating equations
von: Owen, Art B.
Veröffentlicht: (2025)

Wedge Sampling: Efficient Tensor Completion with Nearly-Linear Sample Complexity
von: Luo, Hengrui, et al.
Veröffentlicht: (2026)

Data Complexity Estimates for Operator Learning
von: Kovachki, Nikola B., et al.
Veröffentlicht: (2024)

Strong consistency of an estimator by the truncated singular value decomposition for an errors-in-variables regression model with collinearity
von: Aishima, Kensuke
Veröffentlicht: (2023)

Tensor-train methods for sequential state and parameter learning in state-space models
von: Zhao, Yiran, et al.
Veröffentlicht: (2023)

Covariance estimation using h-statistics in Monte Carlo and multilevel Monte Carlo methods
von: Shivanand, Sharana Kumar
Veröffentlicht: (2023)

Adaptive minimax optimality in statistical inverse problems via SOLIT -- Sharp Optimal Lepskii-Inspired Tuning
von: Li, Housen, et al.
Veröffentlicht: (2023)

A Closed-Form Transition Density Expansion for Elliptic and Hypo-Elliptic SDEs
von: Iguchi, Yuga, et al.
Veröffentlicht: (2025)

Boosted optimal weighted least-squares
von: Haberstich, Cécile, et al.
Veröffentlicht: (2019)

One-dimensional Tensor Network Recovery
von: Chen, Ziang, et al.
Veröffentlicht: (2022)

A global Lipschitz stability perspective for understanding approximate approaches in Bayesian sequential learning
von: Wang, Liliang, et al.
Veröffentlicht: (2025)

Blind free deconvolution over one-parameter sparse families via eigenmatrix
von: Ying, Lexing
Veröffentlicht: (2025)

A polynomial chaos approach for uncertainty quantification of Monte Carlo transport codes
von: Geraci, Gianluca, et al.
Veröffentlicht: (2024)

On the contraction rate of the posterior distribution for nonlinear PDE parameter identification
von: Fan, Yuxin, et al.
Veröffentlicht: (2026)

A Fourier-based inference method for learning interaction kernels in particle systems
von: Pavliotis, Grigorios A., et al.
Veröffentlicht: (2025)

Extrapolation and generative algorithms for three applications in finance
von: LeFloch, Philippe G., et al.
Veröffentlicht: (2024)

Covariance-Informed Subspace: an Adaptive Gradient-Free Input Dimension Reduction Method for Bayesian Inference
von: Polette, Nadège, et al.
Veröffentlicht: (2026)

Accelerating Langevin Monte Carlo via Efficient Stochastic Runge--Kutta Methods beyond Log-Concavity
von: Yang, Bin, et al.
Veröffentlicht: (2026)

Sparse free deconvolution under unknown noise level via eigenmatrix
von: Ying, Lexing
Veröffentlicht: (2025)

Regularisation for the approximation of functions by mollified discretisation methods
von: Pouchol, Camille, et al.
Veröffentlicht: (2024)

Stochastic Trace and Diagonal Estimator for Tensors
von: Verma, Bhisham Dev, et al.
Veröffentlicht: (2025)

A novel statistical workflow for nonstationary modelling of successive Fréchet extremes
von: Burtenshaw, Grace, et al.
Veröffentlicht: (2025)

A generalization bound for exit wave reconstruction via deep unfolding
von: Atwi, Moussa, et al.
Veröffentlicht: (2025)

Mean-Square Convergence of a New Parameterized Leapfrog Scheme for Hamiltonian Systems Driven by Gaussian Process Potentials
von: Bhattacharya, Sourabh
Veröffentlicht: (2026)