:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Nakano, Yumiharu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Probability Machine Learning
Online-Zugang:	https://arxiv.org/abs/2406.01320
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Free Probabilistic Framework for Denoising Diffusion Models: Entropy, Transport, and Reverse Processes
von: Das, Swagatam
Veröffentlicht: (2025)

Weak approximation of Schrödinger-Föllmer diffusion
von: Endo, Koya, et al.
Veröffentlicht: (2024)

Kernel-based potential mean-field games with unbiased random Fourier $U$-statistics
von: Nakano, Yumiharu
Veröffentlicht: (2026)

Continuum-marginal optimal transport: a mesh-free kernel method
von: Nakano, Yumiharu
Veröffentlicht: (2026)

Advancing Wasserstein Convergence Analysis of Score-Based Models: Insights from Discretization and Second-Order Acceleration
von: Yu, Yifeng, et al.
Veröffentlicht: (2025)

Convergence Analysis for General Probability Flow ODEs of Diffusion Models in Wasserstein Distances
von: Gao, Xuefeng, et al.
Veröffentlicht: (2024)

Neural Continuous-Time Markov Chain: Discrete Diffusion via Decoupled Jump Timing and Direction
von: Li, Jingyuan, et al.
Veröffentlicht: (2026)

Enabling Probabilistic Learning on Manifolds through Double Diffusion Maps
von: Giovanis, Dimitris G, et al.
Veröffentlicht: (2025)

ItDPDM: Information-Theoretic Discrete Poisson Diffusion Model
von: Bhattacharya, Sagnik, et al.
Veröffentlicht: (2025)

Deep ZakaiJ: Structured Filtering for Jump-Diffusion Time Series Forecasting
von: Leng, Yan, et al.
Veröffentlicht: (2026)

From Set Convergence to Pointwise Convergence: Finite-Time Guarantees for Average-Reward Q-Learning with Adaptive Stepsizes
von: Chen, Zaiwei, et al.
Veröffentlicht: (2025)

Convergence Analysis of Newton's Method for Neural Networks in the Overparameterized Limit
von: Riedl, Konstantin, et al.
Veröffentlicht: (2026)

Denoising distances beyond the volumetric barrier
von: Huang, Han, et al.
Veröffentlicht: (2026)

A Note on the Convergence of Denoising Diffusion Probabilistic Models
von: Mbacke, Sokhna Diarra, et al.
Veröffentlicht: (2023)

Wasserstein Convergence Guarantees for a General Class of Score-Based Generative Models
von: Gao, Xuefeng, et al.
Veröffentlicht: (2023)

Zeroth-Order Sampling Methods for Non-Log-Concave Distributions: Alleviating Metastability by Denoising Diffusion
von: He, Ye, et al.
Veröffentlicht: (2024)

Convergence of meshfree collocation methods for fully nonlinear parabolic equations
von: Nakano, Yumiharu
Veröffentlicht: (2014)

Posterior Sampling with Denoising Oracles via Tilted Transport
von: Bruna, Joan, et al.
Veröffentlicht: (2024)

Weak Convergence Analysis of Online Neural Actor-Critic Algorithms
von: Lam, Samuel Chun-Hei, et al.
Veröffentlicht: (2024)

Convergence of differentiable non-monotone schemes for fully nonlinear parabolic equations
von: Nakano, Yumiharu
Veröffentlicht: (2018)

Exponential Convergence Guarantees for Iterative Markovian Fitting
von: Silveri, Marta Gentiloni, et al.
Veröffentlicht: (2025)

Non-asymptotic Analysis of Diffusion Annealed Langevin Monte Carlo for Generative Modelling
von: Cordero-Encinar, Paula, et al.
Veröffentlicht: (2025)

Probabilistic Consistency in Machine Learning and Its Connection to Uncertainty Quantification
von: Patrone, Paul, et al.
Veröffentlicht: (2025)

Kernel-Smoothed Scores for Denoising Diffusion: A Bias-Variance Study
von: Gabriel, Franck, et al.
Veröffentlicht: (2025)

On the Limits of Latent Reuse in Diffusion Models
von: Yu, Yifeng, et al.
Veröffentlicht: (2026)

Deep Learning for Computing Convergence Rates of Markov Chains
von: Qu, Yanlin, et al.
Veröffentlicht: (2024)

Malliavin Calculus for Score-based Diffusion Models
von: Mirafzali, Ehsan, et al.
Veröffentlicht: (2025)

Convergence of Two Time-Scale Stochastic Approximation: A Martingale Approach
von: Vidyasagar, Mathukumalli
Veröffentlicht: (2026)

A Theoretical Comparison of No-U-Turn Sampler Variants: Necessary and Sufficient Convergence Conditions and Mixing Time Analysis under Gaussian Targets
von: Gruffaz, Samuel, et al.
Veröffentlicht: (2026)

Convergence, Sticking and Escape: Stochastic Dynamics Near Critical Points in SGD
von: Dudukalov, Dmitry, et al.
Veröffentlicht: (2025)

Non-Asymptotic Convergence of Stochastic Iterative Algorithms: A Lyapunov Framework
von: Chen, Zaiwei, et al.
Veröffentlicht: (2026)

Neural Diffusion Intensity Models for Point Process Data
von: Du, Xinlong, et al.
Veröffentlicht: (2026)

Sig-DEG for Distillation: Making Diffusion Models Faster and Lighter
von: Jiang, Lei, et al.
Veröffentlicht: (2025)

Random Normed k-Means: A Paradigm-Shift in Clustering within Probabilistic Metric Spaces
von: Hemdanou, Abderrafik Laakel, et al.
Veröffentlicht: (2025)

ResNets of All Shapes and Sizes: Convergence of Training Dynamics in the Large-scale Limit
von: Chaintron, Louis-Pierre, et al.
Veröffentlicht: (2026)

Convergence rates for the Adam optimizer
von: Dereich, Steffen, et al.
Veröffentlicht: (2024)

Convergence of Unadjusted Langevin in High Dimensions: Delocalization of Bias
von: Chen, Yifan, et al.
Veröffentlicht: (2024)

Convergence Error Analysis of Reflected Gradient Langevin Dynamics for Globally Optimizing Non-Convex Constrained Problems
von: Sato, Kanji, et al.
Veröffentlicht: (2022)

Wasserstein Convergence of Score-based Generative Models under Semiconvexity and Discontinuous Gradients
von: Bruno, Stefano, et al.
Veröffentlicht: (2025)

Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis
von: Zhang, Zikun, et al.
Veröffentlicht: (2024)