Buchumschlag

Wasserstein Convergence Guarantees for a General Class of Score-Based Generative Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gao, Xuefeng, Nguyen, Hoang M., Zhu, Lingjiong
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Convergence Analysis for General Probability Flow ODEs of Diffusion Models in Wasserstein Distances
von: Gao, Xuefeng, et al.
Veröffentlicht: (2024)

Anchored Langevin Algorithms
von: Gurbuzbalaban, Mert, et al.
Veröffentlicht: (2025)

Wasserstein Convergence of Score-based Generative Models under Semiconvexity and Discontinuous Gradients
von: Bruno, Stefano, et al.
Veröffentlicht: (2025)

Advancing Wasserstein Convergence Analysis of Score-Based Models: Insights from Discretization and Second-Order Acceleration
von: Yu, Yifeng, et al.
Veröffentlicht: (2025)

Decentralized Proximal Stochastic Gradient Langevin Dynamics
von: Islam, Mohammad Rafiqul, et al.
Veröffentlicht: (2026)

Sampling non-log-concave densities via Hessian-free high-resolution dynamics
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2026)

Regime-Switching Langevin Monte Carlo Algorithms
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2025)

Accelerating Langevin Monte Carlo Sampling: A Large Deviations Analysis
von: Yao, Nian, et al.
Veröffentlicht: (2025)

Accelerating Constrained Sampling: A Large Deviations Approach
von: Wang, Yingli, et al.
Veröffentlicht: (2025)

Exponential Convergence Guarantees for Iterative Markovian Fitting
von: Silveri, Marta Gentiloni, et al.
Veröffentlicht: (2025)

High-Order Langevin Monte Carlo Algorithms
von: Dang, Thanh, et al.
Veröffentlicht: (2025)

From Set Convergence to Pointwise Convergence: Finite-Time Guarantees for Average-Reward Q-Learning with Adaptive Stepsizes
von: Chen, Zaiwei, et al.
Veröffentlicht: (2025)

Non-Reversible Langevin Algorithms for Constrained Sampling
von: Du, Hengrong, et al.
Veröffentlicht: (2025)

Diffusion Models with Heavy-Tailed Targets: Score Estimation and Sampling Guarantees
von: Yu, Yifeng, et al.
Veröffentlicht: (2026)

Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses
von: Tanguy, Eloi
Veröffentlicht: (2023)

Response Theory via Generative Score Modeling
von: Giorgini, Ludovico Theo, et al.
Veröffentlicht: (2024)

Generalized Wasserstein Flow Matching: Transport Plans, Everywhere, All at Once
von: Piening, Moritz, et al.
Veröffentlicht: (2026)

A Score-Based Density Formula, with Applications in Diffusion Generative Models
von: Li, Gen, et al.
Veröffentlicht: (2024)

Private Synthetic Graph Generation and Fused Gromov-Wasserstein Distance
von: Wirth, Leoni Carla, et al.
Veröffentlicht: (2025)

A Generalization Result for Convergence in Learning-to-Optimize
von: Sucker, Michael, et al.
Veröffentlicht: (2024)

Algorithmic Stability of Stochastic Gradient Descent with Momentum under Heavy-Tailed Noise
von: Dang, Thanh, et al.
Veröffentlicht: (2025)

Max-sliced 2-Wasserstein distance
von: Boedihardjo, March T.
Veröffentlicht: (2024)

Score-Aware Policy-Gradient and Performance Guarantees using Local Lyapunov Stability
von: Comte, Céline, et al.
Veröffentlicht: (2023)

Sharp bounds for max-sliced Wasserstein distances
von: Boedihardjo, March T.
Veröffentlicht: (2024)

Malliavin Calculus for Score-based Diffusion Models
von: Mirafzali, Ehsan, et al.
Veröffentlicht: (2025)

Structural and Convergence Analysis of Discrete-Time Denoising Diffusion Probabilistic Models
von: Nakano, Yumiharu
Veröffentlicht: (2024)

Random-Bridges as Stochastic Transports for Generative Models
von: Goria, Stefano, et al.
Veröffentlicht: (2025)

Wasserstein-p Central Limit Theorem Rates: From Local Dependence to Markov Chains
von: Zhang, Yixuan, et al.
Veröffentlicht: (2026)

Stochastic Port-Hamiltonian Neural Networks: Universal Approximation with Passivity Guarantees
von: Di Persio, Luca, et al.
Veröffentlicht: (2026)

Global Optimisation of Black-Box Functions with Generative Models in the Wasserstein Space
von: Ramazyan, Tigran, et al.
Veröffentlicht: (2024)

Properties of Discrete Sliced Wasserstein Losses
von: Tanguy, Eloi, et al.
Veröffentlicht: (2023)

Score matching for bridges without learning time-reversals
von: Baker, Elizabeth L., et al.
Veröffentlicht: (2024)

Deep Learning for Computing Convergence Rates of Markov Chains
von: Qu, Yanlin, et al.
Veröffentlicht: (2024)

Wasserstein Parallel Transport for Predicting the Dynamics of Statistical Systems
von: Saidi, Tristan Luca, et al.
Veröffentlicht: (2026)

Linear convergence of proximal descent schemes on the Wasserstein space
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

Generative Modeling with Diffusion
von: Le, Justin
Veröffentlicht: (2024)

Generative diffusion models from a PDE perspective
von: Cao, Fei, et al.
Veröffentlicht: (2025)

Convergence Analysis of Newton's Method for Neural Networks in the Overparameterized Limit
von: Riedl, Konstantin, et al.
Veröffentlicht: (2026)

Negative Dependence as a toolbox for machine learning : review and new developments
von: Tran, Hoang-Son, et al.
Veröffentlicht: (2025)

Bayesian Latent Space Models for Graphs Are Misspecified: Toward Robust Inference via Generalized Posteriors
von: Labarthe, Aldric
Veröffentlicht: (2026)