Buchumschlag

Stochastic Inverse Problem: stability, regularization and Wasserstein gradient flow

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Qin, Oprea, Maria, Wang, Li, Yang, Yunan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Optimization and Control Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Least-Squares Problem Over Probability Measure Space
von: Li, Qin, et al.
Veröffentlicht: (2025)

Online Learning and Optimization for Queues with Unknown Demand Curve and Service Distribution
von: Chen, Xinyun, et al.
Veröffentlicht: (2023)

Benchmarking Diffusion Annealing-Based Bayesian Inverse Problem Solvers
von: Crafts, Evan Scope, et al.
Veröffentlicht: (2025)

On propagation of chaos for the Fisher-Rao gradient flow in entropic mean-field optimization
von: Lazić, Petra, et al.
Veröffentlicht: (2026)

A Fisher-Rao gradient flow for entropic mean-field min-max games
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

Properties of Discrete Sliced Wasserstein Losses
von: Tanguy, Eloi, et al.
Veröffentlicht: (2023)

Linear convergence of proximal descent schemes on the Wasserstein space
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2024)

Convergence of SGD for Training Neural Networks with Sliced Wasserstein Losses
von: Tanguy, Eloi
Veröffentlicht: (2023)

Generalized Wasserstein Flow Matching: Transport Plans, Everywhere, All at Once
von: Piening, Moritz, et al.
Veröffentlicht: (2026)

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

Wasserstein Formulation of Reinforcement Learning. An Optimal Transport Perspective on Policy Optimization
von: Dus, Mathias
Veröffentlicht: (2026)

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

Decoupled Functional Central Limit Theorems for Two-Time-Scale Stochastic Approximation
von: Han, Yuze, et al.
Veröffentlicht: (2024)

A stochastic gradient descent algorithm with random search directions
von: Gbaguidi, Eméric
Veröffentlicht: (2025)

Diffusion-Based Stochastic Operator Networks for Uncertainty Quantification in Stochastic Partial Differential Equations
von: Huynh, Phuoc-Toan, et al.
Veröffentlicht: (2026)

Asymptotic regularity of a generalised stochastic Halpern scheme
von: Pischke, Nicholas, et al.
Veröffentlicht: (2024)

The generator gradient estimator is an adjoint state method for stochastic differential equations
von: Badolle, Quentin, et al.
Veröffentlicht: (2024)

Forward-Euler time-discretization for Wasserstein gradient flows can be wrong
von: Xu, Yewei, et al.
Veröffentlicht: (2024)

Cryo-EM as a Stochastic Inverse Problem
von: Espinosa, Diego Sanchez, et al.
Veröffentlicht: (2025)

Flatness-Aware Stochastic Gradient Langevin Dynamics
von: Bruno, Stefano, et al.
Veröffentlicht: (2025)

Accelerating Distributed Stochastic Optimization via Self-Repellent Random Walks
von: Hu, Jie, et al.
Veröffentlicht: (2024)

Concentration of General Stochastic Approximation Under Heavy-Tailed Markovian Noise
von: Agrawal, Shubhada, et al.
Veröffentlicht: (2026)

Controlling the Flow: Stability and Convergence for Stochastic Gradient Descent with Decaying Regularization
von: Kassing, Sebastian, et al.
Veröffentlicht: (2025)

Algorithmic Stability of Stochastic Gradient Descent with Momentum under Heavy-Tailed Noise
von: Dang, Thanh, et al.
Veröffentlicht: (2025)

Function approximation by neural nets in the mean-field regime: Entropic regularization and controlled McKean-Vlasov dynamics
von: Tzen, Belinda, et al.
Veröffentlicht: (2020)

The geometry of financial institutions -- Wasserstein clustering of financial data
von: Riess, Lorenz, et al.
Veröffentlicht: (2023)

Non-convex entropic mean-field optimization via Best Response flow
von: Lascu, Razvan-Andrei, et al.
Veröffentlicht: (2025)

Improved Approximation Algorithms for Orthogonally Constrained Problems Using Semidefinite Optimization
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2025)

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

Robust $Q$-learning Algorithm for Markov Decision Processes under Wasserstein Uncertainty
von: Neufeld, Ariel, et al.
Veröffentlicht: (2022)

The Wasserstein Space of Stochastic Processes in Continuous Time
von: Bartl, Daniel, et al.
Veröffentlicht: (2025)

Inverse Problems Over Probability Measure Space
von: Li, Qin, et al.
Veröffentlicht: (2025)

Wasserstein Contraction of Coordinate Ascent Variational Inference
von: Caprio, Rocco, et al.
Veröffentlicht: (2026)

Optimization Trade-offs in Asynchronous Federated Learning: A Stochastic Networks Approach
von: Alahyane, Abdelkrim, et al.
Veröffentlicht: (2026)

Non-asymptotic convergence analysis of the stochastic gradient Hamiltonian Monte Carlo algorithm with discontinuous stochastic gradient with applications to training of ReLU neural networks
von: Liang, Luxu, et al.
Veröffentlicht: (2024)

Stochastic Optimal Control Matching
von: Domingo-Enrich, Carles, et al.
Veröffentlicht: (2023)

Convergence rate of Tsallis entropic regularized optimal transport
von: Suguro, Takeshi, et al.
Veröffentlicht: (2023)

Normalizing flow regularization for photoacoustic tomography
von: Wang, Chao, et al.
Veröffentlicht: (2024)

Learning-Based Pricing and Matching for Two-Sided Queues
von: Yang, Zixian, et al.
Veröffentlicht: (2024)

Type-II Saddles and Probabilistic Stability of Stochastic Gradient Descent
von: Ziyin, Liu, et al.
Veröffentlicht: (2023)