Buchumschlag

Transport meets Variational Inference: Controlled Monte Carlo Diffusions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vargas, Francisco, Padhy, Shreyas, Blessing, Denis, Nüsken, Nikolas
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

Control Consistency Losses for Diffusion Bridges
von: Howard, Samuel, et al.
Veröffentlicht: (2025)

Stein transport for Bayesian inference
von: Nüsken, Nikolas
Veröffentlicht: (2024)

Iterative Importance Fine-tuning of Diffusion Models
von: Denker, Alexander, et al.
Veröffentlicht: (2025)

Conditioning Diffusions Using Malliavin Calculus
von: Pidstrigach, Jakiw, et al.
Veröffentlicht: (2025)

Beyond ELBOs: A Large-Scale Evaluation of Variational Methods for Sampling
von: Blessing, Denis, et al.
Veröffentlicht: (2024)

Trust Region Constrained Measure Transport in Path Space for Stochastic Optimal Control and Inference
von: Blessing, Denis, et al.
Veröffentlicht: (2025)

Reinforce Adjoint Matching: Scaling RL Post-Training of Diffusion and Flow-Matching Models
von: Bergmeister, Andreas, et al.
Veröffentlicht: (2026)

Debiasing Guidance for Discrete Diffusion with Sequential Monte Carlo
von: Lee, Cheuk Kit, et al.
Veröffentlicht: (2025)

Sequential Monte Carlo for Inclusive KL Minimization in Amortized Variational Inference
von: McNamara, Declan, et al.
Veröffentlicht: (2024)

DEFT: Efficient Fine-Tuning of Diffusion Models by Learning the Generalised $h$-transform
von: Denker, Alexander, et al.
Veröffentlicht: (2024)

Variational Distillation of Diffusion Policies into Mixture of Experts
von: Zhou, Hongyi, et al.
Veröffentlicht: (2024)

Sequential Controlled Langevin Diffusions
von: Chen, Junhua, et al.
Veröffentlicht: (2024)

Underdamped Diffusion Bridges with Applications to Sampling
von: Blessing, Denis, et al.
Veröffentlicht: (2025)

End-To-End Learning of Gaussian Mixture Priors for Diffusion Sampler
von: Blessing, Denis, et al.
Veröffentlicht: (2025)

Online Variational Sequential Monte Carlo
von: Mastrototaro, Alessandro, et al.
Veröffentlicht: (2023)

Stacking Variational Bayesian Monte Carlo
von: Silvestrin, Francesco, et al.
Veröffentlicht: (2025)

Warm Start Marginal Likelihood Optimisation for Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Learning Boltzmann Generators via Constrained Mass Transport
von: von Klitzing, Christopher, et al.
Veröffentlicht: (2025)

Diffusion-HMC: Parameter Inference with Diffusion-model-driven Hamiltonian Monte Carlo
von: Mudur, Nayantara, et al.
Veröffentlicht: (2024)

Transport Quasi-Monte Carlo
von: Liu, Sifan
Veröffentlicht: (2024)

Composition and Control with Distilled Energy Diffusion Models and Sequential Monte Carlo
von: Thornton, James, et al.
Veröffentlicht: (2025)

No Trick, No Treat: Pursuits and Challenges Towards Simulation-free Training of Neural Samplers
von: He, Jiajun, et al.
Veröffentlicht: (2025)

Bridge Matching Sampler: Scalable Sampling via Generalized Fixed-Point Diffusion Matching
von: Blessing, Denis, et al.
Veröffentlicht: (2026)

Improving Linear System Solvers for Hyperparameter Optimisation in Iterative Gaussian Processes
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2024)

Reverse Diffusion Monte Carlo
von: Huang, Xunpeng, et al.
Veröffentlicht: (2023)

Curriculum RL meets Monte Carlo Planning: Optimization of a Real World Container Management Problem
von: Pendyala, Abhijeet, et al.
Veröffentlicht: (2025)

Neural Autoregressive Control Variates for the Quantum Monte Carlo Sign Problem
von: Qiao, Bei, et al.
Veröffentlicht: (2026)

Fast and Robust Simulation-Based Inference With Optimization Monte Carlo
von: Gkolemis, Vasilis, et al.
Veröffentlicht: (2025)

Variational Combinatorial Sequential Monte Carlo for Bayesian Phylogenetics in Hyperbolic Space
von: Chen, Alex, et al.
Veröffentlicht: (2025)

Efficient Online Variational Estimation via Monte Carlo Sampling
von: Chagneux, Mathis, et al.
Veröffentlicht: (2026)

Denoising Diffusion Variational Inference: Diffusion Models as Expressive Variational Posteriors
von: Piriyakulkij, Wasu Top, et al.
Veröffentlicht: (2024)

Compositional Monte Carlo Tree Diffusion for Extendable Planning
von: Yoon, Jaesik, et al.
Veröffentlicht: (2025)

Sampling from Gaussian Process Posteriors using Stochastic Gradient Descent
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Faster LLM Inference via Sequential Monte Carlo
von: Emara, Yahya, et al.
Veröffentlicht: (2026)

Hamiltonian Monte Carlo Inference of Marginalized Linear Mixed-Effects Models
von: Lai, Jinlin, et al.
Veröffentlicht: (2024)

Deep Variational Sequential Monte Carlo for High-Dimensional Observations
von: van Nierop, Wessel L., et al.
Veröffentlicht: (2025)

Diffusion Bridge Variational Inference for Deep Gaussian Processes
von: Xu, Jian, et al.
Veröffentlicht: (2025)

Multilevel and Sequential Monte Carlo for Training-Free Diffusion Guidance
von: Gleich, Aidan, et al.
Veröffentlicht: (2026)

Diffusion Path Samplers via Sequential Monte Carlo
von: Young, James Matthew, et al.
Veröffentlicht: (2026)

Prediction-Enhanced Monte Carlo: A Machine Learning View on Control Variate
von: Li, Fengpei, et al.
Veröffentlicht: (2024)