:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Haoyang, Du, Hengrong, Feng, Qi, Deng, Wei, Lin, Guang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2405.07839
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring Non-Convex Discrete Energy Landscapes: An Efficient Langevin-Like Sampler with Replica Exchange
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

Rethinking Langevin Thompson Sampling from A Stochastic Approximation Perspective
von: Wang, Weixin, et al.
Veröffentlicht: (2025)

Accelerating Approximate Thompson Sampling with Underdamped Langevin Monte Carlo
von: Zheng, Haoyang, et al.
Veröffentlicht: (2024)

BLADE: Bayesian Langevin Active Discovery with Replica Exchange for Identification of Complex Systems
von: Kong, Cindy Xiangrui, et al.
Veröffentlicht: (2025)

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

Reflected Schrödinger Bridge for Constrained Generative Modeling
von: Deng, Wei, et al.
Veröffentlicht: (2024)

Ultra-Fast Language Generation via Discrete Diffusion Divergence Instruct
von: Zheng, Haoyang, et al.
Veröffentlicht: (2025)

Cascaded two-stage feature clustering and selection via separability and consistency in fuzzy decision systems
von: Chen, Yuepeng, et al.
Veröffentlicht: (2024)

Direct Soft-Policy Sampling via Langevin Dynamics
von: Ki, Donghyeon, et al.
Veröffentlicht: (2026)

Optimal Stochastic Trace Estimation in Generative Modeling
von: Liu, Xinyang, et al.
Veröffentlicht: (2025)

Margin-aware Fuzzy Rough Feature Selection: Bridging Uncertainty Characterization and Pattern Classification
von: Xu, Suping, et al.
Veröffentlicht: (2025)

Stochastic Collapse: How Gradient Noise Attracts SGD Dynamics Towards Simpler Subnetworks
von: Chen, Feng, et al.
Veröffentlicht: (2023)

HomPINNs: homotopy physics-informed neural networks for solving the inverse problems of nonlinear differential equations with multiple solutions
von: Zheng, Haoyang, et al.
Veröffentlicht: (2023)

Emergence of Exploration in Policy Gradient Reinforcement Learning via Retrying
von: Nishimori, Soichiro, et al.
Veröffentlicht: (2026)

Diff-Instruct with Diffused Reward: Towards Principled One-step Generator RL
von: Wu, Junyi, et al.
Veröffentlicht: (2026)

Ensuring Safety in an Uncertain Environment: Constrained MDPs via Stochastic Thresholds
von: Zuo, Qian, et al.
Veröffentlicht: (2025)

Almost Bayesian: The Fractal Dynamics of Stochastic Gradient Descent
von: Hennick, Max, et al.
Veröffentlicht: (2025)

Stochastic Re-weighted Gradient Descent via Distributionally Robust Optimization
von: Kumar, Ramnath, et al.
Veröffentlicht: (2023)

Unlocking Reasoning Capabilities in LLMs via Reinforcement Learning Exploration
von: Deng, Wenhao, et al.
Veröffentlicht: (2025)

Scaling up Dynamic Edge Partition Models via Stochastic Gradient MCMC
von: Yang, Sikun, et al.
Veröffentlicht: (2024)

Incentivized Exploration of Non-Stationary Stochastic Bandits
von: Chakraborty, Sourav, et al.
Veröffentlicht: (2024)

Provably Efficient Exploration in Inverse Constrained Reinforcement Learning
von: Yue, Bo, et al.
Veröffentlicht: (2024)

Optimistic Exploration for Risk-Averse Constrained Reinforcement Learning
von: McCarthy, James, et al.
Veröffentlicht: (2025)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

Variational Learning of Gaussian Process Latent Variable Models through Stochastic Gradient Annealed Importance Sampling
von: Xu, Jian, et al.
Veröffentlicht: (2024)

QF: Quick Feedforward AI Model Training without Gradient Back Propagation
von: Qi, Feng
Veröffentlicht: (2025)

ASTRO: Adaptive Stitching via Dynamics-Guided Trajectory Rollouts
von: Yu, Hang, et al.
Veröffentlicht: (2025)

Adaptive Heavy-Tailed Stochastic Gradient Descent
von: Gong, Bodu, et al.
Veröffentlicht: (2025)

Stochastic Gradient Descent with Momentum is Algorithmically Stable
von: Lei, Yunwen, et al.
Veröffentlicht: (2026)

Stochastic Penalty-Barrier Methods for Constrained Machine Learning
von: Bosák, Adam, et al.
Veröffentlicht: (2026)

Generalized Discrete Diffusion with Self-Correction
von: Wang, Linxuan, et al.
Veröffentlicht: (2026)

Enhancing Stochastic Gradient Descent: A Unified Framework and Novel Acceleration Methods for Faster Convergence
von: Deng, Yichuan, et al.
Veröffentlicht: (2024)

Beyond Markovian: Reflective Exploration via Bayes-Adaptive RL for LLM Reasoning
von: Zhang, Shenao, et al.
Veröffentlicht: (2025)

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

An Effective Dynamic Gradient Calibration Method for Continual Learning
von: Lin, Weichen, et al.
Veröffentlicht: (2024)

Tilted Quantile Gradient Updates for Quantile-Constrained Reinforcement Learning
von: Li, Chenglin, et al.
Veröffentlicht: (2024)

Can LLMs predict the convergence of Stochastic Gradient Descent?
von: Zekri, Oussama, et al.
Veröffentlicht: (2024)

Noise Balance and Stationary Distribution of Stochastic Gradient Descent
von: Ziyin, Liu, et al.
Veröffentlicht: (2023)

Leveraging Gauge Freedom for Learning Non-Gradient Population Dynamics of Stochastic Systems
von: Berman, Jules, et al.
Veröffentlicht: (2026)

Fine-Tuning Diffusion Models for Molecular Generation via Reinforcement Learning and Fast Sampling
von: Lin, Guang, et al.
Veröffentlicht: (2026)