Buchumschlag

Neural Sampling from Boltzmann Densities: Fisher-Rao Curves in the Wasserstein Geometry

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chemseddine, Jannis, Wald, Christian, Duong, Richard, Steidl, Gabriele
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Analysis of PDEs Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adapting Noise to Data: Generative Flows from 1D Processes
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2025)

Conditional Wasserstein Distances with Applications in Bayesian OT Flow Matching
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2024)

Flow Matching: Markov Kernels, Stochastic Processes and Transport Plans
von: Wald, Christian, et al.
Veröffentlicht: (2025)

Smoothed Distance Kernels for MMDs and Applications in Wasserstein Gradient Flows
von: Rux, Nicolaj, et al.
Veröffentlicht: (2025)

Sampling via Stochastic Interpolants by Langevin-based Velocity and Initialization Estimation in Flow ODEs
von: Duan, Chenguang, et al.
Veröffentlicht: (2026)

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

Posterior Sampling Based on Gradient Flows of the MMD with Negative Distance Kernel
von: Hagemann, Paul, et al.
Veröffentlicht: (2023)

Self-Aware Markov Models for Discrete Reasoning
von: Kornhardt, Gregor, et al.
Veröffentlicht: (2026)

Kernel Approximation of Fisher-Rao Gradient Flows
von: Zhu, Jia-Jie, et al.
Veröffentlicht: (2024)

Spherical Flows for Sampling Categorical Data
von: Chemseddine, Jannis, et al.
Veröffentlicht: (2026)

Wasserstein Gradient Flows of MMD Functionals with Distance Kernel and Cauchy Problems on Quantile Functions
von: Duong, Richard, et al.
Veröffentlicht: (2024)

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

Fisher-Rao Gradient Flow: Geodesic Convexity and Functional Inequalities
von: Carrillo, José A., et al.
Veröffentlicht: (2024)

Trajectory Generator Matching for Time Series
von: Jahn, T., et al.
Veröffentlicht: (2025)

Kinetic theory for Transformers and the lost-in-the-middle phenomenon
von: Duerinckx, Mitia, et al.
Veröffentlicht: (2026)

Independent projections of diffusions: Gradient flows for variational inference and optimal mean field approximations
von: Lacker, Daniel
Veröffentlicht: (2023)

Birth-death dynamics for sampling: Global convergence, approximations and their asymptotics
von: Lu, Yulong, et al.
Veröffentlicht: (2022)

Space-time deep neural network approximations for high-dimensional partial differential equations
von: Hornung, Fabian, et al.
Veröffentlicht: (2020)

Fluctuations in Wasserstein dynamics on Graphs
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Wright-Fisher stochastic heat equations with irregular drifts
von: Barnes, Clayton, et al.
Veröffentlicht: (2024)

Structured Continuity Equations in Fibred Wasserstein Spaces
von: Bonnet-Weill, Benoît, et al.
Veröffentlicht: (2025)

Wasserstein Gradient Flows of MMD Functionals with Distance Kernels under Sobolev Regularization
von: Duong, Richard, et al.
Veröffentlicht: (2024)

Mixed Noise and Posterior Estimation with Conditional DeepGEM
von: Hagemann, Paul, et al.
Veröffentlicht: (2024)

Constructive conditional normalizing flows
von: Geshkovski, Borjan, et al.
Veröffentlicht: (2026)

A transport approach to the cutoff phenomenon
von: Pedrotti, Francesco, et al.
Veröffentlicht: (2025)

On absolutely continuous curves in the Wasserstein space over R and their representation by an optimal Markov process
von: Boubel, Charles, et al.
Veröffentlicht: (2021)

Geodesic convexity and strengthened functional inequalities in submanifolds of Wasserstein space
von: Chaintron, Louis-Pierre, et al.
Veröffentlicht: (2025)

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

One model to solve them all: 2BSDE families via neural operators
von: Furuya, Takashi, et al.
Veröffentlicht: (2025)

From Monte Carlo to neural networks approximations of boundary value problems
von: Beznea, Lucian, et al.
Veröffentlicht: (2022)

Evolution of Gaussians in the Hellinger-Kantorovich-Boltzmann gradient flow
von: Liero, Matthias, et al.
Veröffentlicht: (2025)

Statistical mechanics of the radial focusing nonlinear Schrödinger equation in general traps
von: Dinh, Van Duong, et al.
Veröffentlicht: (2023)

Green--Wasserstein Inequality on Compact Surfaces
von: Gwozdz, Maja
Veröffentlicht: (2026)

Local convergence rates for Wasserstein gradient flows and McKean-Vlasov equations with multiple stationary solutions
von: Monmarché, Pierre, et al.
Veröffentlicht: (2024)

Wasserstein Mirror Gradient Flow as the limit of the Sinkhorn Algorithm
von: Deb, Nabarun, et al.
Veröffentlicht: (2023)

Quantitative approximation of the Vlasov(-Fokker-Planck)-Navier-Stokes system by stochastic particle systems
von: Goudenège, Ludovic, et al.
Veröffentlicht: (2026)

Inverting the Fisher information operator in non-linear models
von: Konen, Dimitri
Veröffentlicht: (2026)

Quantitative rigidity of the Wasserstein contraction under convolution
von: Fathi, Max, et al.
Veröffentlicht: (2025)

An approximation of the squared Wasserstein distance and an application to Hamilton-Jacobi equations
von: Bertucci, Charles, et al.
Veröffentlicht: (2024)

Nesterov acceleration for the Wasserstein minimization of displacement-convex free energies
von: Monmarché, Pierre
Veröffentlicht: (2026)