Buchumschlag

Sampling, Diffusions, and Stochastic Localization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Montanari, Andrea
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Generating from Discrete Distributions Using Diffusions: Insights from Random Constraint Satisfaction Problems
von: Bhatt, Alankrita, et al.
Veröffentlicht: (2026)

Overparametrized linear dimensionality reductions: From projection pursuit to two-layer neural networks
von: Montanari, Andrea, et al.
Veröffentlicht: (2022)

Computational bottlenecks for denoising diffusions
von: Montanari, Andrea, et al.
Veröffentlicht: (2025)

Stochastic Sample Approximations of (Local) Moduli of Continuity
von: Nazarov, Rodion, et al.
Veröffentlicht: (2025)

Stochastic Localization via Iterative Posterior Sampling
von: Grenioux, Louis, et al.
Veröffentlicht: (2024)

Towards Fast Stochastic Sampling in Diffusion Generative Models
von: Pandey, Kushagra, et al.
Veröffentlicht: (2024)

Implicit Diffusion: Efficient Optimization through Stochastic Sampling
von: Marion, Pierre, et al.
Veröffentlicht: (2024)

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

SA-Solver: Stochastic Adams Solver for Fast Sampling of Diffusion Models
von: Xue, Shuchen, et al.
Veröffentlicht: (2023)

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

Dynamical Decoupling of Generalization and Overfitting in Large Two-Layer Networks
von: Montanari, Andrea, et al.
Veröffentlicht: (2025)

The Effect of Stochasticity in Score-Based Diffusion Sampling: a KL Divergence Analysis
von: Schaeffer, Bernardo P., et al.
Veröffentlicht: (2025)

Nearly $d$-Linear Convergence Bounds for Diffusion Models via Stochastic Localization
von: Benton, Joe, et al.
Veröffentlicht: (2023)

Train on Validation (ToV): Fast data selection with applications to fine-tuning
von: Jain, Ayush, et al.
Veröffentlicht: (2025)

Scaling laws for learning with real and surrogate data
von: Jain, Ayush, et al.
Veröffentlicht: (2024)

Fast Sampling for Flows and Diffusions with Lazy and Point Mass Stochastic Interpolants
von: Damsholt, Gabriel, et al.
Veröffentlicht: (2026)

Total Variation Guarantees for Sampling with Stochastic Localization
von: Kellermann, Jakob
Veröffentlicht: (2026)

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

Scaling Training Data with Lossy Image Compression
von: Mentzer, Katherine L., et al.
Veröffentlicht: (2024)

Online Importance Sampling for Stochastic Gradient Optimization
von: Salaün, Corentin, et al.
Veröffentlicht: (2023)

Multiple Importance Sampling for Stochastic Gradient Estimation
von: Salaün, Corentin, et al.
Veröffentlicht: (2024)

Diffusion Rejection Sampling
von: Na, Byeonghu, et al.
Veröffentlicht: (2024)

Conditional Diffusion Sampling
von: Castro-Macías, Francisco M., et al.
Veröffentlicht: (2026)

Dimension free ridge regression
von: Cheng, Chen, et al.
Veröffentlicht: (2022)

Sampling in High-Dimensions using Stochastic Interpolants and Forward-Backward Stochastic Differential Equations
von: George, Anand Jerry, et al.
Veröffentlicht: (2025)

Diffusion-DFL: Decision-focused Diffusion Models for Stochastic Optimization
von: Zhao, Zihao, et al.
Veröffentlicht: (2025)

On the Convergence of Locally Adaptive and Scalable Diffusion-Based Sampling Methods for Deep Bayesian Neural Network Posteriors
von: Rensmeyer, Tim, et al.
Veröffentlicht: (2024)

Stochastic Diffusion: A Diffusion Probabilistic Model for Stochastic Time Series Forecasting
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

Faster Sampling via Stochastic Gradient Proximal Sampler
von: Huang, Xunpeng, et al.
Veröffentlicht: (2024)

Thompson Sampling-like Algorithms for Stochastic Rising Bandits
von: Fiandri, Marco, et al.
Veröffentlicht: (2025)

Stochastically Constrained Best Arm Identification with Thompson Sampling
von: Yang, Le, et al.
Veröffentlicht: (2025)

Discrete Stochastic Localization for Non-autoregressive Generation
von: Wu, Yunshu, et al.
Veröffentlicht: (2026)

Offline Local Search for Online Stochastic Bandits
von: Benadè, Gerdus, et al.
Veröffentlicht: (2026)

Diffusive Gibbs Sampling
von: Chen, Wenlin, et al.
Veröffentlicht: (2024)

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective
von: Roy, Saptarshi, et al.
Veröffentlicht: (2026)

Robust Approximate Sampling via Stochastic Gradient Barker Dynamics
von: Mauri, Lorenzo, et al.
Veröffentlicht: (2024)

Robust Stochastic Gradient Posterior Sampling with Lattice Based Discretisation
von: Mensch, Zier, et al.
Veröffentlicht: (2026)

SBGD: Improving Graph Diffusion Generative Model via Stochastic Block Diffusion
von: Su, Junwei, et al.
Veröffentlicht: (2025)

Locally Private Sampling with Public Data
von: Zamanlooy, Behnoosh, et al.
Veröffentlicht: (2024)