Buchumschlag

(De)-regularized Maximum Mean Discrepancy Gradient Flow

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Zonghao, Mustafi, Aratrika, Glaser, Pierre, Korba, Anna, Gretton, Arthur, Sriperumbudur, Bharath K.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sobolev Regularized MMD Gradient Flow
von: Tian, Chenyang, et al.
Veröffentlicht: (2026)

Move on Muon : A Hamiltonian probability gradient flow perspective of Muon optimizer
von: Mustafi, Aratrika, et al.
Veröffentlicht: (2026)

Sinkhorn Based Associative Memory Retrieval Using Spherical Hellinger Kantorovich Dynamics
von: Mustafi, Aratrika, et al.
Veröffentlicht: (2026)

Nyström Kernel Stein Discrepancy
von: Kalinke, Florian, et al.
Veröffentlicht: (2024)

Regularized Stein Variational Gradient Flow
von: He, Ye, et al.
Veröffentlicht: (2022)

Nyström Kernel Stein Discrepancy Tests
von: Kalinke, Florian, et al.
Veröffentlicht: (2026)

Near-Optimality of Contrastive Divergence Algorithms
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Gradient Flows and Riemannian Structure in the Gromov-Wasserstein Geometry
von: Zhang, Zhengxin, et al.
Veröffentlicht: (2024)

Neural Wasserstein Gradient Flows for Maximum Mean Discrepancies with Riesz Kernels
von: Altekrüger, Fabian, et al.
Veröffentlicht: (2023)

Uniform Kernel Prober
von: Mukherjee, Soumya, et al.
Veröffentlicht: (2025)

Fast and Scalable Score-Based Kernel Calibration Tests
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Towards a Unified Analysis of Neural Networks in Nonparametric Instrumental Variable Regression: Optimization and Generalization
von: Chen, Zonghao, et al.
Veröffentlicht: (2025)

Minimax Optimal Goodness-of-Fit Testing with Kernel Stein Discrepancy
von: Hagrass, Omar, et al.
Veröffentlicht: (2024)

Flowing Datasets with Wasserstein over Wasserstein Gradient Flows
von: Bonet, Clément, et al.
Veröffentlicht: (2025)

Controlling Moments with Kernel Stein Discrepancies
von: Kanagawa, Heishiro, et al.
Veröffentlicht: (2022)

Deep MMD Gradient Flow without adversarial training
von: Galashov, Alexandre, et al.
Veröffentlicht: (2024)

Conditional Bayesian Quadrature
von: Chen, Zonghao, et al.
Veröffentlicht: (2024)

On the Optimization Landscape of Maximum Mean Discrepancy
von: Alon, Itai, et al.
Veröffentlicht: (2021)

Kernel $ε$-Greedy for Multi-Armed Bandits with Covariates
von: Arya, Sakshi, et al.
Veröffentlicht: (2023)

Doubly-Robust Estimation of Counterfactual Policy Mean Embeddings
von: Zenati, Houssam, et al.
Veröffentlicht: (2025)

A Deterministic Sampling Method via Maximum Mean Discrepancy Flow with Adaptive Kernel
von: Chen, Yindong, et al.
Veröffentlicht: (2021)

DDEQs: Distributional Deep Equilibrium Models through Wasserstein Gradient Flows
von: Geuter, Jonathan, et al.
Veröffentlicht: (2025)

Convolutional Maximum Mean Discrepancy for Inference in Noisy Data
von: Vashistha, Ritwik, et al.
Veröffentlicht: (2026)

Minimax Optimal Kernel Two-Sample Tests with Random Features
von: Mukherjee, Soumya, et al.
Veröffentlicht: (2025)

Towards Understanding Gradient Dynamics of the Sliced-Wasserstein Distance via Critical Point Analysis
von: Vauthier, Christophe, et al.
Veröffentlicht: (2025)

Variable Selection in Maximum Mean Discrepancy for Interpretable Distribution Comparison
von: Mitsuzawa, Kensuke, et al.
Veröffentlicht: (2023)

Word Sense Detection Leveraging Maximum Mean Discrepancy
von: Mitsuzawa, Kensuke
Veröffentlicht: (2025)

Nonparametric Instrumental Variable Regression with Observed Covariates
von: Shen, Zikai, et al.
Veröffentlicht: (2025)

On the Wasserstein Gradient Flow Interpretation of Drifting Models
von: Gretton, Arthur, et al.
Veröffentlicht: (2026)

Statistical and Geometrical properties of regularized Kernel Kullback-Leibler divergence
von: Chazal, Clémentine, et al.
Veröffentlicht: (2024)

Ensemble Transport Filter via Optimized Maximum Mean Discrepancy
von: Zeng, Dengfei, et al.
Veröffentlicht: (2024)

Signature Maximum Mean Discrepancy Two-Sample Statistical Tests
von: Alden, Andrew, et al.
Veröffentlicht: (2025)

MMD-Flagger: Leveraging Maximum Mean Discrepancy to Detect Hallucinations
von: Mitsuzawa, Kensuke, et al.
Veröffentlicht: (2025)

Kernel Single Proxy Control for Deterministic Confounding
von: Xu, Liyuan, et al.
Veröffentlicht: (2023)

Perturbative methods for non-parametric instrumental variable
von: Bu, Wei, et al.
Veröffentlicht: (2026)

Semiparametric Efficient Test for Interpretable Distributional Treatment Effects
von: Zenati, Houssam, et al.
Veröffentlicht: (2026)

Gaussian Processes and Reproducing Kernels: Connections and Equivalences
von: Kanagawa, Motonobu, et al.
Veröffentlicht: (2025)

Mirror and Preconditioned Gradient Descent in Wasserstein Space
von: Bonet, Clément, et al.
Veröffentlicht: (2024)

Kernel Single-Index Bandits: Estimation, Inference, and Learning
von: Arya, Sakshi, et al.
Veröffentlicht: (2026)

A Practical Diffusion Path for Sampling
von: Chehab, Omar, et al.
Veröffentlicht: (2024)