Copertina

Fisher Flow Matching for Generative Modeling over Discrete Data

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Davis, Oscar, Kessler, Samuel, Petrache, Mircea, Ceylan, İsmail İlkan, Bronstein, Michael, Bose, Avishek Joey
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Cooperative Graph Neural Networks
di: Finkelshtein, Ben, et al.
Pubblicazione: (2023)

HYPER: A Foundation Model for Inductive Link Prediction with Knowledge Hypergraphs
di: Huang, Xingyue, et al.
Pubblicazione: (2025)

Efficient Regression-Based Training of Normalizing Flows for Boltzmann Generators
di: Rehman, Danyal, et al.
Pubblicazione: (2025)

Curly Flow Matching for Learning Non-gradient Field Dynamics
di: Petrović, Katarina, et al.
Pubblicazione: (2025)

One Model, Any Conjunctive Query: Graph Neural Networks for Answering Queries over Incomplete Knowledge Graphs
di: Olejniczak, Krzysztof, et al.
Pubblicazione: (2024)

Link Prediction with Relational Hypergraphs
di: Huang, Xingyue, et al.
Pubblicazione: (2024)

SE(3)-Stochastic Flow Matching for Protein Backbone Generation
di: Bose, Avishek Joey, et al.
Pubblicazione: (2023)

Scalable Equilibrium Sampling with Sequential Boltzmann Generators
di: Tan, Charlie B., et al.
Pubblicazione: (2025)

How Expressive are Knowledge Graph Foundation Models?
di: Huang, Xingyue, et al.
Pubblicazione: (2025)

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds
di: Davis, Oscar, et al.
Pubblicazione: (2025)

Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction
di: Rector-Brooks, Jarrid, et al.
Pubblicazione: (2024)

Self-Consuming Generative Models with Curated Data Provably Optimize Human Preferences
di: Ferbach, Damien, et al.
Pubblicazione: (2024)

Equivariance Everywhere All At Once: A Recipe for Graph Foundation Models
di: Finkelshtein, Ben, et al.
Pubblicazione: (2025)

Homomorphism Counts for Graph Neural Networks: All About That Basis
di: Jin, Emily, et al.
Pubblicazione: (2024)

Learning on Large Graphs using Intersecting Communities
di: Finkelshtein, Ben, et al.
Pubblicazione: (2024)

Understanding the dynamics of the frequency bias in neural networks
di: Molina, Juan, et al.
Pubblicazione: (2024)

Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities
di: Akhound-Sadegh, Tara, et al.
Pubblicazione: (2025)

Metric Flow Matching for Smooth Interpolations on the Data Manifold
di: Kapuśniak, Kacper, et al.
Pubblicazione: (2024)

Bringing Graphs to the Table: Zero-shot Node Classification via Tabular Foundation Models
di: Hayler, Adrian, et al.
Pubblicazione: (2025)

A Theoretical Analysis of Discrete Flow Matching Generative Models
di: Su, Maojiang, et al.
Pubblicazione: (2025)

Future Directions in the Theory of Graph Machine Learning
di: Morris, Christopher, et al.
Pubblicazione: (2024)

Discrete Flow Matching
di: Gat, Itai, et al.
Pubblicazione: (2024)

RETRO SYNFLOW: Discrete Flow Matching for Accurate and Diverse Single-Step Retrosynthesis
di: Yadav, Robin, et al.
Pubblicazione: (2025)

What are the Right Symmetries for Formal Theorem Proving?
di: Olejniczak, Krzysztof, et al.
Pubblicazione: (2026)

Categorical Flow Maps
di: Roos, Daan, et al.
Pubblicazione: (2026)

Homomorphism Counts as Structural Encodings for Graph Learning
di: Bao, Linus, et al.
Pubblicazione: (2024)

MacroGuide: Topological Guidance for Macrocycle Generation
di: Maksymiuk, Alicja, et al.
Pubblicazione: (2026)

Flow Matching with General Discrete Paths: A Kinetic-Optimal Perspective
di: Shaul, Neta, et al.
Pubblicazione: (2024)

Path Planning for Masked Diffusion Model Sampling
di: Peng, Fred Zhangzhi, et al.
Pubblicazione: (2025)

Long Tail Image Generation Through Feature Space Augmentation and Iterated Learning
di: Elberg, Rafael, et al.
Pubblicazione: (2024)

Discrete Flow Matching for Offline-to-Online Reinforcement Learning
di: Khan, Fairoz Nower, et al.
Pubblicazione: (2026)

Coupling Models for One-Step Discrete Generation
di: Peng, Fred Zhangzhi, et al.
Pubblicazione: (2026)

How Do Flow Matching Models Memorize and Generalize in Sample Data Subspaces?
di: Gao, Weiguo, et al.
Pubblicazione: (2024)

Generative Modeling with Continuous Flows: Sample Complexity of Flow Matching
di: Gaur, Mudit, et al.
Pubblicazione: (2025)

Energy Matching: Unifying Flow Matching and Energy-Based Models for Generative Modeling
di: Balcerak, Michal, et al.
Pubblicazione: (2025)

Approximation-Generalization Trade-offs under (Approximate) Group Equivariance
di: Petrache, Mircea, et al.
Pubblicazione: (2023)

Flock: A Knowledge Graph Foundation Model via Learning on Random Walks
di: Kim, Jinwoo, et al.
Pubblicazione: (2025)

Discrete Flow Matching Policy Optimization
di: Su, Maojiang, et al.
Pubblicazione: (2026)

Flow Matching on General Geometries
di: Chen, Ricky T. Q., et al.
Pubblicazione: (2023)

Can Graph Foundation Models Generalize Over Architecture?
di: Gutteridge, Benjamin, et al.
Pubblicazione: (2026)