Buchumschlag

Combining Normalizing Flows and Quasi-Monte Carlo

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Andral, Charly
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Automated Techniques for Efficient Sampling of Piecewise-Deterministic Markov Processes
von: Andral, Charly, et al.
Veröffentlicht: (2024)

Counterdiabatic Hamiltonian Monte Carlo
von: Cohn-Gordon, Reuben, et al.
Veröffentlicht: (2026)

Elements of Sequential Monte Carlo
von: Naesseth, Christian A., et al.
Veröffentlicht: (2019)

Conditional Normalizing Flow Surrogate for Monte Carlo Prediction of Radiative Properties in Nanoparticle-Embedded Layers
von: Seyedheydari, Fahime, et al.
Veröffentlicht: (2025)

Parameter Tuning of the Firefly Algorithm by Three Tuning Methods: Standard Monte Carlo, Quasi-Monte Carlo and Latin Hypercube Sampling Methods
von: Joy, Geethu, et al.
Veröffentlicht: (2025)

Coreset Markov Chain Monte Carlo
von: Chen, Naitong, et al.
Veröffentlicht: (2023)

Quasi-Monte Carlo for 3D Sliced Wasserstein
von: Nguyen, Khai, et al.
Veröffentlicht: (2023)

Randomized Quasi-Monte Carlo Features for Kernel Approximation
von: Huang, Yian, et al.
Veröffentlicht: (2025)

LLM-Guided Evolutionary Program Synthesis for Quasi-Monte Carlo Design
von: Sadikov, Amir
Veröffentlicht: (2025)

Kinetic Interacting Particle Langevin Monte Carlo
von: Oliva, Paul Felix Valsecchi, et al.
Veröffentlicht: (2024)

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

Scalable Monte Carlo for Bayesian Learning
von: Fearnhead, Paul, et al.
Veröffentlicht: (2024)

Stereographic Markov Chain Monte Carlo
von: Yang, Jun, et al.
Veröffentlicht: (2022)

Persistent Sampling: Enhancing the Efficiency of Sequential Monte Carlo
von: Karamanis, Minas, et al.
Veröffentlicht: (2024)

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

Efficient Stochastic Optimisation via Sequential Monte Carlo
von: Cuin, James, et al.
Veröffentlicht: (2026)

Scalable Model-Based Clustering with Sequential Monte Carlo
von: Trojan, Connie, et al.
Veröffentlicht: (2026)

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

Bayesian Federated Learning with Hamiltonian Monte Carlo: Algorithm and Theory
von: Liang, Jiajun, et al.
Veröffentlicht: (2024)

Multi-level Monte Carlo Dropout for Efficient Uncertainty Quantification
von: Pim, Aaron, et al.
Veröffentlicht: (2026)

Sampling with Shielded Langevin Monte Carlo Using Navigation Potentials
von: Zilberstein, Nicolas, et al.
Veröffentlicht: (2025)

Differential privacy guarantees of Markov chain Monte Carlo algorithms
von: Bertazzi, Andrea, et al.
Veröffentlicht: (2025)

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

ATLAS: Adapting Trajectory Lengths and Step-Size for Hamiltonian Monte Carlo
von: Modi, Chirag
Veröffentlicht: (2024)

Penalized Overdamped and Underdamped Langevin Monte Carlo Algorithms for Constrained Sampling
von: Gürbüzbalaban, Mert, et al.
Veröffentlicht: (2022)

Quasi Monte Carlo methods enable extremely low-dimensional deep generative models
von: Martinez, Miles, et al.
Veröffentlicht: (2026)

Multi-fidelity Hamiltonian Monte Carlo
von: Patel, Dhruv V., et al.
Veröffentlicht: (2024)

Some aspects of robustness in modern Markov Chain Monte Carlo
von: Power, Sam, et al.
Veröffentlicht: (2025)

Normalizing Flows are Capable Generative Models
von: Zhai, Shuangfei, et al.
Veröffentlicht: (2024)

Scalable Bayesian Monte Carlo: fast uncertainty estimation beyond deep ensembles
von: Liang, Xinzhu, et al.
Veröffentlicht: (2025)

Fast Riemannian-manifold Hamiltonian Monte Carlo for hierarchical Gaussian-process models
von: Hayakawa, Takashi, et al.
Veröffentlicht: (2025)

True Self-Avoiding Walk for Accelerating Markov-Chain Monte Carlo Integration
von: Qinghua, et al.
Veröffentlicht: (2026)

Tuning Sequential Monte Carlo Samplers via Greedy Incremental Divergence Minimization
von: Kim, Kyurae, et al.
Veröffentlicht: (2025)

NinA: Normalizing Flows in Action. Training VLA Models with Normalizing Flows
von: Tarasov, Denis, et al.
Veröffentlicht: (2025)

PaddingFlow: Improving Normalizing Flows with Padding-Dimensional Noise
von: Meng, Qinglong, et al.
Veröffentlicht: (2024)

The Coupling Within: Flow Matching via Distilled Normalizing Flows
von: Berthelot, David, et al.
Veröffentlicht: (2026)

Tuning-Free Coreset Markov Chain Monte Carlo via Hot DoG
von: Chen, Naitong, et al.
Veröffentlicht: (2024)

Automated Efficient Estimation using Monte Carlo Efficient Influence Functions
von: Agrawal, Raj, et al.
Veröffentlicht: (2024)

Principled Gradient-based Markov Chain Monte Carlo for Text Generation
von: Du, Li, et al.
Veröffentlicht: (2023)