Buchumschlag

Learning the Infinitesimal Generator of Stochastic Diffusion Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kostic, Vladimir R., Lounici, Karim, Halconruy, Helene, Devergne, Timothee, Pontil, Massimiliano
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Probability 62M15
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Laplace Transform Based Low-Complexity Learning of Continuous Markov Semigroups
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

From Biased to Unbiased Dynamics: An Infinitesimal Generator Approach
von: Devergne, Timothée, et al.
Veröffentlicht: (2024)

Toeplitz Based Spectral Methods for Data-driven Dynamical Systems
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2026)

Electricity Price Prediction Using Multi-Kernel Gaussian Process Regression Combined with Kernel-Based Support Vector Regression
von: Das, Abhinav, et al.
Veröffentlicht: (2024)

Learning invariant representations of time-homogeneous stochastic dynamical systems
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2023)

Toward Scalable and Valid Conditional Independence Testing with Spectral Representations
von: Frohlich, Alek, et al.
Veröffentlicht: (2025)

kooplearn: A Scikit-Learn Compatible Library of Algorithms for Evolution Operator Learning
von: Turri, Giacomo, et al.
Veröffentlicht: (2025)

Aliasing Effects for Samples of Spin Random Fields on the Sphere
von: Durastanti, Claudio
Veröffentlicht: (2024)

mfEGRA: Multifidelity Efficient Global Reliability Analysis through Active Learning for Failure Boundary Location
von: Chaudhuri, Anirban, et al.
Veröffentlicht: (2019)

On consistency of Bayesian parameter estimations for a class of ergodic Markov models
von: Nurieva, A. I., et al.
Veröffentlicht: (2022)

A Review of Diffusion-based Simulation-Based Inference: Foundations and Applications in Non-Ideal Data Scenarios
von: Rosso, Haley, et al.
Veröffentlicht: (2025)

In almost all shallow analytic neural network optimization landscapes, efficient minimizers have strongly convex neighborhoods
von: Benning, Felix, et al.
Veröffentlicht: (2025)

Generalization error bounds for two-layer neural networks with Lipschitz loss function
von: Nguwi, Jiang Yu, et al.
Veröffentlicht: (2026)

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

Efficient Neural Network Approaches for Conditional Optimal Transport with Applications in Bayesian Inference
von: Wang, Zheyu Oliver, et al.
Veröffentlicht: (2023)

Fractional Cointegration of Geometric Functionals
von: Caponera, Alessia, et al.
Veröffentlicht: (2025)

Spectral complexity of deep neural networks
von: Di Lillo, Simmaco, et al.
Veröffentlicht: (2024)

The seeds of the future are in the present: A blind exploration of metastable states
von: Devergne, Timothée, et al.
Veröffentlicht: (2025)

Neural Conditional Probability for Uncertainty Quantification
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

On filter-type estimation of discretely sampled cyclic long-memory processes
von: Ayache, Antoine, et al.
Veröffentlicht: (2024)

Random Vector Functional Link Networks for Function Approximation on Manifolds
von: Needell, Deanna, et al.
Veröffentlicht: (2020)

Nonparametric estimation of the jump rate in mean field interacting systems of neurons
von: Duarte, Aline, et al.
Veröffentlicht: (2025)

Statistical Estimations for Non-Ergodic Vasicek Model Driven by Two Types of Gaussian Processes
von: Chen, Yong, et al.
Veröffentlicht: (2023)

Parameter Estimation for the Complex Fractional Ornstein-Uhlenbeck Processes with Hurst parameter H \in (0, 1/2)
von: Alazemi, Fares, et al.
Veröffentlicht: (2024)

Critical Points of Random Neural Networks
von: Di Lillo, Simmaco
Veröffentlicht: (2025)

Convergence of the extended Kalman filter with small and state-dependent noise
von: Njiasse, Ibrahim Mbouandi, et al.
Veröffentlicht: (2025)

Concentration of a high dimensional sub-gaussian vector
von: Spokoiny, Vladimir
Veröffentlicht: (2023)

Outcome-Aware Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

Stochastic approximation in non-markovian environments revisited
von: Borkar, Vivek Shripad
Veröffentlicht: (2026)

M-estimation for Gaussian processes with time-inhomogeneous drifts from high-frequency data
von: Shimizu, Yasutaka
Veröffentlicht: (2025)

Dimension-free Relaxation Times of Informed MCMC Samplers on Discrete Spaces
von: Chang, Hyunwoong, et al.
Veröffentlicht: (2024)

The Umeyama algorithm for matching correlated Gaussian geometric models in the low-dimensional regime
von: Gong, Shuyang, et al.
Veröffentlicht: (2024)

Random Reshuffling for Stochastic Gradient Langevin Dynamics
von: Shaw, Luke, et al.
Veröffentlicht: (2025)

Equivariant Representation Learning for Symmetry-Aware Inference with Guarantees
von: Ordoñez-Apraez, Daniel, et al.
Veröffentlicht: (2025)

Variational Inference for Latent Variable Models in High Dimensions
von: Zhong, Chenyang, et al.
Veröffentlicht: (2025)

Minimaxity and Admissibility of Bayesian Neural Networks
von: Coulson, Daniel Andrew, et al.
Veröffentlicht: (2026)

On a new family of weighted Gaussian processes: an application to bat telemetry data
von: Gonzalez, Jose Hermenegildo Ramirez, et al.
Veröffentlicht: (2024)

Conformal Prediction Regions are Imprecise Highest Density Regions
von: Caprio, Michele, et al.
Veröffentlicht: (2025)

Simulation and Analysis of Multifractional Stochastic Processes with R Package Rmfrac
von: Olenko, Andriy, et al.
Veröffentlicht: (2026)

Stochastic optimal transport in Banach Spaces for regularized estimation of multivariate quantiles
von: Bercu, Bernard, et al.
Veröffentlicht: (2023)