Buchumschlag

Natural Variational Annealing for Multimodal Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	LeMinh, Tâm, Arbel, Julyan, Möllenhoff, Thomas, Khan, Mohammad Emtiyaz, Forbes, Florence
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A variational framework for modal estimation
von: LeMinh, Tâm, et al.
Veröffentlicht: (2026)

Optimization Guarantees for Square-Root Natural-Gradient Variational Inference
von: Kumar, Navish, et al.
Veröffentlicht: (2025)

Improving LoRA with Variational Learning
von: Cong, Bai, et al.
Veröffentlicht: (2025)

Variational Low-Rank Adaptation Using IVON
von: Cong, Bai, et al.
Veröffentlicht: (2024)

Information Geometry of Variational Bayes
von: Khan, Mohammad Emtiyaz
Veröffentlicht: (2025)

Model Merging by Uncertainty-Based Gradient Matching
von: Daheim, Nico, et al.
Veröffentlicht: (2023)

Federated ADMM from Bayesian Duality
von: Möllenhoff, Thomas, et al.
Veröffentlicht: (2025)

SVRG and Beyond via Posterior Correction
von: Daheim, Nico, et al.
Veröffentlicht: (2025)

Conformal Prediction via Regression-as-Classification
von: Guha, Etash, et al.
Veröffentlicht: (2024)

Gaussian Pre-Activations in Neural Networks: Myth or Reality?
von: Wolinski, Pierre, et al.
Veröffentlicht: (2022)

The Memory Perturbation Equation: Understanding Model's Sensitivity to Data
von: Nickl, Peter, et al.
Veröffentlicht: (2023)

Variational Learning Finds Flatter Solutions at the Edge of Stability
von: Ghosh, Avrajit, et al.
Veröffentlicht: (2025)

Log-Normal Multiplicative Dynamics for Stable Low-Precision Training of Large Networks
von: Nishida, Keigo, et al.
Veröffentlicht: (2025)

Joint Model and Data Sparsification via the Marginal Likelihood
von: Timans, Alexander, et al.
Veröffentlicht: (2026)

How to Weight Multitask Finetuning? Fast Previews via Bayesian Model-Merging
von: Maldonado, Hugo Monzón, et al.
Veröffentlicht: (2024)

Knowledge Adaptation as Posterior Correction
von: Khan, Mohammad Emtiyaz
Veröffentlicht: (2025)

Variational Learning is Effective for Large Deep Networks
von: Shen, Yuesong, et al.
Veröffentlicht: (2024)

Compact Memory for Continual Logistic Regression
von: Jung, Yohan, et al.
Veröffentlicht: (2025)

The Bayesian Learning Rule
von: Khan, Mohammad Emtiyaz, et al.
Veröffentlicht: (2021)

A Framework for Controllable Multi-objective Learning with Annealed Stein Variational Hypernetworks
von: Nguyen, Minh-Duc, et al.
Veröffentlicht: (2025)

Simulation-based inference of yeast centromeres
von: Touron, Eloïse, et al.
Veröffentlicht: (2025)

$\textit{BlockFormer}$ : Transformer-based inference from interaction maps
von: Touron, Eloïse, et al.
Veröffentlicht: (2026)

Variational Learning Induces Adaptive Label Smoothing
von: Yang, Sin-Han, et al.
Veröffentlicht: (2025)

Logarithmic Regret for Unconstrained Submodular Maximization Stochastic Bandit
von: Zhou, Julien, et al.
Veröffentlicht: (2024)

Stein's Lemma for the Reparameterization Trick with Exponential Family Mixtures
von: Lin, Wu, et al.
Veröffentlicht: (2019)

Flow Matching for Robust Simulation-Based Inference under Model Misspecification
von: Ruhlmann, Pierre-Louis, et al.
Veröffentlicht: (2025)

Error analysis of a compositional score-based algorithm for simulation-based inference
von: Touron, Camille, et al.
Veröffentlicht: (2025)

Theoretical guidelines for annealed Langevin dynamics in compositional simulation-based inference
von: Touron, Camille, et al.
Veröffentlicht: (2026)

Bounding Box Anomaly Scoring for simple and efficient Out-of-Distribution detection
von: Yahiaoui, Mohamed Bahi, et al.
Veröffentlicht: (2026)

Towards Efficient and Optimal Covariance-Adaptive Algorithms for Combinatorial Semi-Bandits
von: Zhou, Julien, et al.
Veröffentlicht: (2024)

Connecting Federated ADMM to Bayes
von: Swaroop, Siddharth, et al.
Veröffentlicht: (2025)

Simplifying Momentum-based Positive-definite Submanifold Optimization with Applications to Deep Learning
von: Lin, Wu, et al.
Veröffentlicht: (2023)

Just rotate it! Uncertainty estimation in closed-source models via multiple queries
von: Pitas, Konstantinos, et al.
Veröffentlicht: (2024)

PASOA- PArticle baSed Bayesian Optimal Adaptive design
von: Iollo, Jacopo, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Decoding with Minimum Bayes Risk
von: Daheim, Nico, et al.
Veröffentlicht: (2025)

Bayesian inference with sources of uncertainty: from confidence modelling to sparse estimation
von: Rosa, Rafael Mouallem, et al.
Veröffentlicht: (2026)

A Stein Identity for q-Gaussians with Bounded Support
von: Sklaviadis, Sophia, et al.
Veröffentlicht: (2026)

Causal Discovery from Time Series with Hybrids of Constraint-Based and Noise-Based Algorithms
von: Bystrova, Daria, et al.
Veröffentlicht: (2023)

Improving Pareto Set Learning for Expensive Multi-objective Optimization via Stein Variational Hypernetworks
von: Nguyen, Minh-Duc, et al.
Veröffentlicht: (2024)

Wasserstein Gaussianization and Efficient Variational Bayes for Robust Bayesian Synthetic Likelihood
von: Nguyen, Nhat-Minh, et al.
Veröffentlicht: (2023)