Buchumschlag

Provable Sample-Efficient Transfer Learning Conditional Diffusion Models via Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cheng, Ziheng, Xie, Tianyu, Zhang, Shiyue, Zhang, Cheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Breaking AR's Sampling Bottleneck: Provable Acceleration via Diffusion Language Models
von: Li, Gen, et al.
Veröffentlicht: (2025)

Provable Diffusion Posterior Sampling for Bayesian Inversion
von: Chang, Jinyuan, et al.
Veröffentlicht: (2025)

Transfer Learning on Edge Connecting Probability Estimation under Graphon Model
von: Wang, Yuyao, et al.
Veröffentlicht: (2025)

Semi-Implicit Functional Gradient Flow for Efficient Sampling
von: Zhang, Shiyue, et al.
Veröffentlicht: (2024)

Efficient Sampling on Riemannian Manifolds via Langevin MCMC
von: Cheng, Xiang, et al.
Veröffentlicht: (2024)

Robust Transfer Learning with Unreliable Source Data
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

Kernel Two-Sample Tests for Manifold Data
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2021)

Wasserstein Transfer Learning
von: Zhang, Kaicheng, et al.
Veröffentlicht: (2025)

Provable Efficiency of Guidance in Diffusion Models for General Data Distribution
von: Li, Gen, et al.
Veröffentlicht: (2025)

Conditional Generative Models are Provably Robust: Pointwise Guarantees for Bayesian Inverse Problems
von: Altekrüger, Fabian, et al.
Veröffentlicht: (2023)

Transfer Learning for Causal Effect Estimation
von: Wei, Song, et al.
Veröffentlicht: (2023)

Fast and Provably Accurate Sequential Designs using Hilbert Space Gaussian Processes
von: Zhu, Huanyan, et al.
Veröffentlicht: (2026)

Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees
von: Dmitriev, Daniil, et al.
Veröffentlicht: (2026)

Adaptive Sample Aggregation In Transfer Learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2024)

On the Provable Performance Guarantee of Efficient Reasoning Models
von: Zeng, Hao, et al.
Veröffentlicht: (2025)

A Survey on Statistical Theory of Deep Learning: Approximation, Training Dynamics, and Generative Models
von: Suh, Namjoon, et al.
Veröffentlicht: (2024)

Interaction Screening and Pseudolikelihood Approaches for Tensor Learning in Ising Models
von: Liu, Tianyu, et al.
Veröffentlicht: (2023)

Absorb and Converge: Provable Convergence Guarantee for Absorbing Discrete Diffusion Models
von: Liang, Yuchen, et al.
Veröffentlicht: (2025)

Characteristic Learning for Provable One Step Generation
von: Ding, Zhao, et al.
Veröffentlicht: (2024)

Kernel Semi-Implicit Variational Inference
von: Cheng, Ziheng, et al.
Veröffentlicht: (2024)

Learning manifold diffusion semigroups from graph transition matrices
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2026)

Functional Gradient Flows for Constrained Sampling
von: Zhang, Shiyue, et al.
Veröffentlicht: (2024)

Provable Reward-Agnostic Preference-Based Reinforcement Learning
von: Zhan, Wenhao, et al.
Veröffentlicht: (2023)

Learning conditional distributions on continuous spaces
von: Bénézet, Cyril, et al.
Veröffentlicht: (2024)

Provable Benefit of Annealed Langevin Monte Carlo for Non-log-concave Sampling
von: Guo, Wei, et al.
Veröffentlicht: (2024)

Flow-based generative models as iterative algorithms in probability space
von: Xie, Yao, et al.
Veröffentlicht: (2025)

AdaTrans: Feature-wise and Sample-wise Adaptive Transfer Learning for High-dimensional Regression
von: He, Zelin, et al.
Veröffentlicht: (2024)

Transfer Learning for High-dimensional Quantile Regression with Distribution Shift
von: Bai, Ruiqi, et al.
Veröffentlicht: (2024)

General Frameworks for Conditional Two-Sample Testing
von: Lee, Seongchan, et al.
Veröffentlicht: (2024)

Transfer Learning for Contextual Multi-armed Bandits
von: Cai, Changxiao, et al.
Veröffentlicht: (2022)

Deep Learning of Multivariate Extremes via a Geometric Representation
von: Murphy-Barltrop, Callum J. R., et al.
Veröffentlicht: (2024)

Learning from Samples: Inverse Problems over measures via Sharpened Fenchel-Young Losses
von: Andrade, Francisco, et al.
Veröffentlicht: (2025)

Winners with Confidence: Discrete Argmin Inference with an Application to Model Selection
von: Zhang, Tianyu, et al.
Veröffentlicht: (2024)

Pessimism in the Face of Confounders: Provably Efficient Offline Reinforcement Learning in Partially Observable Markov Decision Processes
von: Lu, Miao, et al.
Veröffentlicht: (2022)

Sobolev Norm Learning Rates for Conditional Mean Embeddings
von: Talwai, Prem, et al.
Veröffentlicht: (2021)

Unveil Conditional Diffusion Models with Classifier-free Guidance: A Sharp Statistical Theory
von: Fu, Hengyu, et al.
Veröffentlicht: (2024)

Deep spatio-temporal point processes: Advances and new directions
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2025)

Point processes with event time uncertainty
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2024)

Sample-Efficient Private Learning of Mixtures of Gaussians
von: Ashtiani, Hassan, et al.
Veröffentlicht: (2024)

Learning under Latent Group Sparsity via Diffusion on Networks
von: Ghosh, Subhroshekhar, et al.
Veröffentlicht: (2025)