Copertina

Posterior Sampling in High Dimension via Diffusion Processes

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Montanari, Andrea, Wu, Yuchen
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Provably Efficient Posterior Sampling for Sparse Linear Regression via Measure Decomposition
di: Montanari, Andrea, et al.
Pubblicazione: (2024)

Dimension free ridge regression
di: Cheng, Chen, et al.
Pubblicazione: (2022)

Diffusion Posterior Sampling is Computationally Intractable
di: Gupta, Shivam, et al.
Pubblicazione: (2024)

Topological trivialization in non-convex empirical risk minimization
di: Montanari, Andrea, et al.
Pubblicazione: (2026)

High-dimensional logistic regression with missing data: Imputation, regularization, and universality
di: Verchand, Kabir Aladin, et al.
Pubblicazione: (2024)

Equivalence of Approximate Message Passing and Low-Degree Polynomials in Rank-One Matrix Estimation
di: Montanari, Andrea, et al.
Pubblicazione: (2022)

Frequentist Regret Analysis of Gaussian Process Thompson Sampling via Fractional Posteriors
di: Roy, Somjit, et al.
Pubblicazione: (2026)

Provable Diffusion Posterior Sampling for Bayesian Inversion
di: Chang, Jinyuan, et al.
Pubblicazione: (2025)

Phase Transitions for Feature Learning in Neural Networks
di: Montanari, Andrea, et al.
Pubblicazione: (2026)

Kernel Two-Sample Tests in High Dimension: Interplay Between Moment Discrepancy and Dimension-and-Sample Orders
di: Yan, Jian, et al.
Pubblicazione: (2021)

The high-dimensional asymptotics of first order methods with random data
di: Celentano, Michael, et al.
Pubblicazione: (2021)

Using Autodiff to Estimate Posterior Moments, Marginals and Samples
di: Bowyer, Sam, et al.
Pubblicazione: (2023)

On the Computational Complexity of Metropolis-Adjusted Langevin Algorithms for Bayesian Posterior Sampling
di: Tang, Rong, et al.
Pubblicazione: (2022)

Local minima of the empirical risk in high dimension: General theorems and convex examples
di: Asgari, Kiana, et al.
Pubblicazione: (2025)

Convergence of Diffusion Models Under the Manifold Hypothesis in High-Dimensions
di: Azangulov, Iskander, et al.
Pubblicazione: (2024)

A Friendly Tutorial on Mean-Field Spin Glass Techniques for Non-Physicists
di: Montanari, Andrea, et al.
Pubblicazione: (2022)

Posterior Sampling by Combining Diffusion Models with Annealed Langevin Dynamics
di: Xun, Zhiyang, et al.
Pubblicazione: (2025)

Tractability from overparametrization: The example of the negative perceptron
di: Montanari, Andrea, et al.
Pubblicazione: (2021)

Characterizing Finite-Dimensional Posterior Marginals in High-Dimensional GLMs via Leave-One-Out
di: Sáenz, Manuel, et al.
Pubblicazione: (2025)

Posterior inference via Hill's prediction model
di: Bissiri, Pier Giovanni, et al.
Pubblicazione: (2026)

Posterior Covariance Structures in Gaussian Processes
di: Cai, Difeng, et al.
Pubblicazione: (2024)

Superconsistency of Tests in High Dimensions
di: Kock, Anders Bredahl, et al.
Pubblicazione: (2021)

A New Two-Sample Test for Covariance Matrices in High Dimensions: U-Statistics Meet Leading Eigenvalues
di: Lam, Thomas, et al.
Pubblicazione: (2025)

Posterior Concentration for Gaussian Process Priors under Rescaled and Hierarchical Matérn and Confluent Hypergeometric Covariance Functions
di: Fang, Xiao, et al.
Pubblicazione: (2023)

Tight Bounds on the Laplace Approximation Accuracy in High Dimensions
di: Katsevich, Anya
Pubblicazione: (2023)

Bayesian Sparse Gaussian Mixture Model in High Dimensions
di: Yao, Dapeng, et al.
Pubblicazione: (2022)

Testing Elliptical Models in High Dimensions
di: Wang, Siyao, et al.
Pubblicazione: (2024)

Extremes in High Dimensions: Methods and Scalable Algorithms
di: Lederer, Johannes, et al.
Pubblicazione: (2023)

On Vector Field Reconstruction from Noisy ODE in High Ambient Dimension
di: Henneuse, Hugo
Pubblicazione: (2025)

Characterizing the Training-Conditional Coverage of Full Conformal Inference in High Dimensions
di: Gibbs, Isaac, et al.
Pubblicazione: (2025)

Provable Efficiency of Guidance in Diffusion Models for General Data Distribution
di: Li, Gen, et al.
Pubblicazione: (2025)

Posterior concentration in spatio-temporal Hawkes processes
di: Miscouridou, Xenia, et al.
Pubblicazione: (2026)

Statistical Guarantees for Data-driven Posterior Tempering
di: Ray, Ruchira, et al.
Pubblicazione: (2026)

Privacy Guarantees in Posterior Sampling under Contamination
di: Hu, Shenggang, et al.
Pubblicazione: (2024)

Bayesian causal discovery: Posterior concentration and optimal detection
di: Lungu, Valentinian, et al.
Pubblicazione: (2025)

Generalized Robust Adaptive-Bandwidth Multi-View Manifold Learning in High Dimensions with Noise
di: Ding, Xiucai, et al.
Pubblicazione: (2026)

Breaking AR's Sampling Bottleneck: Provable Acceleration via Diffusion Language Models
di: Li, Gen, et al.
Pubblicazione: (2025)

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

Dimension-free Score Matching and Time Bootstrapping for Diffusion Models
di: Kumar, Syamantak, et al.
Pubblicazione: (2025)

PAC-Bayes Bounds for High-Dimensional Multi-Index Models with Unknown Active Dimension
di: Steffen, Maximilian F.
Pubblicazione: (2023)