:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhu, Yaxuan, Xie, Jianwen, Wu, Yingnian, Gao, Ruiqi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2309.05153
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Progressive Energy-Based Cooperative Learning for Multi-Domain Image-to-Image Translation
von: Song, Weinan, et al.
Veröffentlicht: (2023)

CoopHash: Cooperative Learning of Multipurpose Descriptor and Contrastive Pair Generator via Variational MCMC Teaching for Supervised Image Hashing
von: Doan, Khoa D., et al.
Veröffentlicht: (2022)

Optimizing the Unknown: Black Box Bayesian Optimization with Energy-Based Model and Reinforcement Learning
von: Miao, Ruiyao, et al.
Veröffentlicht: (2025)

"Noisier" Noise Contrastive Eestimation is (Almost) Maximum Likelihood
von: Yu, Peiyu, et al.
Veröffentlicht: (2024)

Think Twice Before You Act: Improving Inverse Problem Solving With MCMC
von: Zhu, Yaxuan, et al.
Veröffentlicht: (2024)

Relational Knowledge Distillation Using Fine-tuned Function Vectors
von: Kang, Andrea, et al.
Veröffentlicht: (2026)

Learning Energy-Based Models by Self-normalising the Likelihood
von: Senetaire, Hugo, et al.
Veröffentlicht: (2025)

Likelihood Matching for Diffusion Models
von: Qian, Lei, et al.
Veröffentlicht: (2025)

Skews in the Phenomenon Space Hinder Generalization in Text-to-Image Generation
von: Chang, Yingshan, et al.
Veröffentlicht: (2024)

Stabilizing Self-Consuming Diffusion Models with Latent Space Filtering
von: Cai, Zhongteng, et al.
Veröffentlicht: (2025)

Latent Space Energy-based Neural ODEs
von: Cheng, Sheng, et al.
Veröffentlicht: (2024)

Improved Techniques for Maximum Likelihood Estimation for Diffusion ODEs
von: Zheng, Kaiwen, et al.
Veröffentlicht: (2023)

EM Distillation for One-step Diffusion Models
von: Xie, Sirui, et al.
Veröffentlicht: (2024)

VFScale: Intrinsic Reasoning through Verifier-Free Test-time Scalable Diffusion Model
von: Zhang, Tao, et al.
Veröffentlicht: (2025)

Sequential Neural Score Estimation: Likelihood-Free Inference with Conditional Score Based Diffusion Models
von: Sharrock, Louis, et al.
Veröffentlicht: (2022)

Rethinking the Design Space of Reinforcement Learning for Diffusion Models: On the Importance of Likelihood Estimation Beyond Loss Design
von: Choi, Jaemoo, et al.
Veröffentlicht: (2026)

Beyond Maximum Likelihood: Variational Inequality Estimation for Generalized Linear Models
von: Zhu, Linglingzhi, et al.
Veröffentlicht: (2025)

Likelihood-guided Regularization in Attention Based Models
von: Salem, Mohamed, et al.
Veröffentlicht: (2025)

Diffusion Model Based Signal Recovery Under 1-Bit Quantization
von: Chen, Youming, et al.
Veröffentlicht: (2025)

Probability Passing for Graph Neural Networks: Graph Structure and Representations Joint Learning
von: Wang, Ziyan, et al.
Veröffentlicht: (2024)

Lookahead Path Likelihood Optimization for Diffusion LLMs
von: Liu, Xuejie, et al.
Veröffentlicht: (2026)

Hardness of Maximum Likelihood Learning of DPPs
von: Grigorescu, Elena, et al.
Veröffentlicht: (2022)

LFPO: Likelihood-Free Policy Optimization for Masked Diffusion Models
von: Wei, Chenxing, et al.
Veröffentlicht: (2026)

Molecule Design by Latent Prompt Transformer
von: Kong, Deqian, et al.
Veröffentlicht: (2023)

Extraction and Recovery of Spatio-Temporal Structure in Latent Dynamics Alignment with Diffusion Models
von: Wang, Yule, et al.
Veröffentlicht: (2023)

Maximum Likelihood Reinforcement Learning
von: Tajwar, Fahim, et al.
Veröffentlicht: (2026)

FFT-Accelerated Auxiliary Variable MCMC for Fermionic Lattice Models: A Determinant-Free Approach with $O(N\log N)$ Complexity
von: Kong, Deqian, et al.
Veröffentlicht: (2025)

Fixed Random Classifier Rearrangement for Continual Learning
von: Huang, Shengyang, et al.
Veröffentlicht: (2024)

Renormalized Normalized Maximum Likelihood and Three-Part Code Criteria For Learning Gaussian Networks
von: Alipourfard, Borzou, et al.
Veröffentlicht: (2018)

Latent Diffusion-Based 3D Molecular Recovery from Vibrational Spectra
von: Wu, Wenjin, et al.
Veröffentlicht: (2026)

MLMC-based Resource Adequacy Assessment with Active Learning Trained Surrogate Models
von: Zhang, Ruiqi, et al.
Veröffentlicht: (2025)

d2: Improving Reasoning in Diffusion Language Models via Trajectory Likelihood Estimation
von: Wang, Guanghan, et al.
Veröffentlicht: (2025)

Multi-AUV Cooperative Target Tracking Based on Supervised Diffusion-Aided Multi-Agent Reinforcement Learning
von: Ma, Jiaao, et al.
Veröffentlicht: (2026)

Maximum Entropy Inverse Reinforcement Learning of Diffusion Models with Energy-Based Models
von: Yoon, Sangwoong, et al.
Veröffentlicht: (2024)

DUEL: Exact Likelihood for Masked Diffusion via Deterministic Unmasking
von: Turok, Gilad, et al.
Veröffentlicht: (2026)

Verlet Flows: Exact-Likelihood Integrators for Flow-Based Generative Models
von: Erives, Ezra, et al.
Veröffentlicht: (2024)

Likelihood Training of Cascaded Diffusion Models via Hierarchical Volume-preserving Maps
von: Li, Henry, et al.
Veröffentlicht: (2025)

A Learning-Based Hybrid Decision Framework for Matching Systems with User Departure Detection
von: Zhou, Ruiqi, et al.
Veröffentlicht: (2026)

Beyond Error-Based Optimization: Experience-Driven Symbolic Regression with Goal-Conditioned Reinforcement Learning
von: Sun, Jianwen, et al.
Veröffentlicht: (2026)

Principled RL for Diffusion LLMs Emerges from a Sequence-Level Perspective
von: Ou, Jingyang, et al.
Veröffentlicht: (2025)