Buchumschlag

Geometry-Aware Normalizing Wasserstein Flows for Optimal Causal Inference

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Hou, Kaiwen
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

C-Learner: Constrained Learning for Causal Inference
von: Cai, Tiffany Tianhui, et al.
Veröffentlicht: (2024)

Geometry-Aware Optimal Transport: Fast Intrinsic Dimension and Wasserstein Distance Estimation
von: Genans, Ferdinand, et al.
Veröffentlicht: (2026)

Learning to Normalize on the SPD Manifold under Bures-Wasserstein Geometry
von: Wang, Rui, et al.
Veröffentlicht: (2025)

Causally Consistent Normalizing Flow
von: Zhou, Qingyang, et al.
Veröffentlicht: (2024)

Computing Optimal Transport Maps and Wasserstein Barycenters Using Conditional Normalizing Flows
von: Visentin, Gabriele, et al.
Veröffentlicht: (2025)

Gradient Flows and Riemannian Structure in the Gromov-Wasserstein Geometry
von: Zhang, Zhengxin, et al.
Veröffentlicht: (2024)

Wasserstein Gradient Flow over Variational Parameter Space for Variational Inference
von: Nguyen, Dai Hai, et al.
Veröffentlicht: (2023)

Wasserstein Gradient Flows for Batch Bayesian Optimal Experimental Design
von: Sharrock, Louis
Veröffentlicht: (2026)

Flowing Datasets with Wasserstein over Wasserstein Gradient Flows
von: Bonet, Clément, et al.
Veröffentlicht: (2025)

FlowVAT: Normalizing Flow Variational Inference with Affine-Invariant Tempering
von: Qin, Juehang, et al.
Veröffentlicht: (2025)

Statistical Inference via Generative Models: Flow Matching and Causal Inference
von: Eguchi, Shinto
Veröffentlicht: (2026)

Robust Optimization in Causal Models and G-Causal Normalizing Flows
von: Visentin, Gabriele, et al.
Veröffentlicht: (2025)

Stable Training of Normalizing Flows for High-dimensional Variational Inference
von: Andrade, Daniel
Veröffentlicht: (2024)

Normalizing Flow Regression for Bayesian Inference with Offline Likelihood Evaluations
von: Li, Chengkun, et al.
Veröffentlicht: (2025)

Parameter-Efficient Distributional RL via Normalizing Flows and a Geometry-Aware Cramér Surrogate
von: C., Simo Alami, et al.
Veröffentlicht: (2025)

Marginal Causal Flows for Validation and Inference
von: Manela, Daniel de Vassimon, et al.
Veröffentlicht: (2024)

Geometry-Aware Decoding with Wasserstein-Regularized Truncation and Mass Penalties for Large Language Models
von: Davoodi, Arash Gholami, et al.
Veröffentlicht: (2026)

Lévy-Flow Models: Heavy-Tail-Aware Normalizing Flows for Financial Risk Management
von: Drissi, Rachid
Veröffentlicht: (2026)

Extended Wasserstein-GAN Approach to Causal Distribution Learning: Density-Free Estimation and Minimax Optimality
von: Tamano, Shu, et al.
Veröffentlicht: (2026)

Spatial Deconfounder: Interference-Aware Deconfounding for Spatial Causal Inference
von: Khot, Ayush, et al.
Veröffentlicht: (2025)

Enabling Causal Discovery in Post-Nonlinear Models with Normalizing Flows
von: Hoang, Nu, et al.
Veröffentlicht: (2024)

A Fast, Robust Elliptical Slice Sampling Implementation for Linearly Truncated Multivariate Normal Distributions
von: Wu, Kaiwen, et al.
Veröffentlicht: (2024)

Computation-Aware Gaussian Processes: Model Selection And Linear-Time Inference
von: Wenger, Jonathan, et al.
Veröffentlicht: (2024)

Understanding Stochastic Natural Gradient Variational Inference
von: Wu, Kaiwen, et al.
Veröffentlicht: (2024)

Why Semantic Entropy Fails: Geometry-Aware and Calibrated Uncertainty for Policy Optimization
von: Zhang, Zheyuan, et al.
Veröffentlicht: (2026)

Manifold Learning with Normalizing Flows: Towards Regularity, Expressivity and Iso-Riemannian Geometry
von: Diepeveen, Willem, et al.
Veröffentlicht: (2025)

FlexCausal: Flexible Causal Disentanglement via Structural Flow Priors and Manifold-Aware Interventions
von: Jin, Yutao, et al.
Veröffentlicht: (2026)

Stick-Breaking Mixture Normalizing Flows with Component-Wise Tail Adaptation for Variational Inference
von: Han, Seungsu, et al.
Veröffentlicht: (2025)

Accelerating Inference of Discrete Autoregressive Normalizing Flows by Selective Jacobi Decoding
von: Zhang, Jiaru, et al.
Veröffentlicht: (2025)

Scalable Wasserstein Gradient Flow for Generative Modeling through Unbalanced Optimal Transport
von: Choi, Jaemoo, et al.
Veröffentlicht: (2024)

PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference
von: Yu, Chenglei, et al.
Veröffentlicht: (2026)

Piecewise Normalizing Flows
von: Bevins, Harry, et al.
Veröffentlicht: (2023)

Distilling Normalizing Flows
von: Walton, Steven, et al.
Veröffentlicht: (2025)

Preferential Normalizing Flows
von: Mikkola, Petrus, et al.
Veröffentlicht: (2024)

Information Geometry of Wasserstein Statistics on Shapes and Affine Deformations
von: Amari, Shun-ichi, et al.
Veröffentlicht: (2023)

Sliced-Wasserstein Distances and Flows on Cartan-Hadamard Manifolds
von: Bonet, Clément, et al.
Veröffentlicht: (2024)

Conditional Lagrangian Wasserstein Flow for Time Series Imputation
von: Qian, Weizhu, et al.
Veröffentlicht: (2024)

Out-of-Distribution Adaptation in Offline RL: Counterfactual Reasoning via Causal Normalizing Flows
von: Cho, Minjae, et al.
Veröffentlicht: (2024)

Slicing Wasserstein Over Wasserstein Via Functional Optimal Transport
von: Piening, Moritz, et al.
Veröffentlicht: (2025)

FLUX: Geometry-Aware Longitudinal Flow Matching with Mixture of Experts
von: Caro, Josue Ortega, et al.
Veröffentlicht: (2026)