Copertina

Finite-Time Analysis of Discrete-Time Stochastic Interpolants

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Liu, Yuhao, Chen, Yu, Hu, Rui, Huang, Longbo
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Finite-Time Convergence Analysis of ODE-based Generative Models for Stochastic Interpolants
di: Liu, Yuhao, et al.
Pubblicazione: (2025)

Finite-time Convergence Analysis of Actor-Critic with Evolving Reward
di: Hu, Rui, et al.
Pubblicazione: (2025)

Best-of-Both-Worlds for Heavy-Tailed Markov Decision Processes
di: Chen, Yu, et al.
Pubblicazione: (2026)

Real-Time Parallel Counterfactual Regret Minimization
di: Li, Boning, et al.
Pubblicazione: (2026)

Stochastic Interpolants in Hilbert Spaces
di: Yu, James Boran, et al.
Pubblicazione: (2026)

Provably Efficient Partially Observable Risk-Sensitive Reinforcement Learning with Hindsight Observation
di: Zhang, Tonghe, et al.
Pubblicazione: (2024)

Generation Properties of Stochastic Interpolation under Finite Training Set
di: Li, Yunchen, et al.
Pubblicazione: (2025)

Beyond Squared Error: Exploring Loss Design for Enhanced Training of Generative Flow Networks
di: Hu, Rui, et al.
Pubblicazione: (2024)

Mixed Sparsity Training: Achieving 4$\times$ FLOP Reduction for Transformer Pretraining
di: Hu, Pihe, et al.
Pubblicazione: (2024)

Recurrent Interpolants for Probabilistic Time Series Prediction
di: Chen, Yu, et al.
Pubblicazione: (2024)

uniINF: Best-of-Both-Worlds Algorithm for Parameter-Free Heavy-Tailed MABs
di: Chen, Yu, et al.
Pubblicazione: (2024)

Beyond the Proxy: Trajectory-Distilled Guidance for Offline GFlowNet Training
di: Chen, Ruishuo, et al.
Pubblicazione: (2025)

Continuous K-Max Bandits
di: Chen, Yu, et al.
Pubblicazione: (2025)

Finite-Time Analysis of Stochastic Nonconvex Nonsmooth Optimization on the Riemannian Manifolds
di: Sahinoglu, Emre, et al.
Pubblicazione: (2025)

On Conditional Stochastic Interpolation for Generative Nonlinear Sufficient Dimension Reduction
di: Xu, Shuntuo, et al.
Pubblicazione: (2025)

Provable Risk-Sensitive Distributional Reinforcement Learning with General Function Approximation
di: Chen, Yu, et al.
Pubblicazione: (2024)

Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis
di: Zhang, Zikun, et al.
Pubblicazione: (2024)

The Price of Linear Time: Error Analysis of Structured Kernel Interpolation
di: Moreno, Alexander, et al.
Pubblicazione: (2025)

Finite-Time Analysis of Projected Two-Time-Scale Stochastic Approximation
di: Bai, Yitao, et al.
Pubblicazione: (2026)

Finite-Time Decoupled Convergence in Nonlinear Two-Time-Scale Stochastic Approximation
di: Han, Yuze, et al.
Pubblicazione: (2024)

Latent Stochastic Interpolants
di: Singh, Saurabh, et al.
Pubblicazione: (2025)

Layer-Aware Influence for Online Data Valuation Estimation
di: Yang, Ziao, et al.
Pubblicazione: (2025)

Topological Generalization Bounds for Discrete-Time Stochastic Optimization Algorithms
di: Andreeva, Rayna, et al.
Pubblicazione: (2024)

Learning Energy-Based Models from Stochastic Interpolants using Spatiotemporal Differences
di: Yu, Hanlin, et al.
Pubblicazione: (2026)

PowerFlow: Unlocking the Dual Nature of LLMs via Principled Distribution Matching
di: Chen, Ruishuo, et al.
Pubblicazione: (2026)

On The Convergence of Euler Discretization of Finite-Time Convergent Gradient Flows
di: Zhang, Siqi, et al.
Pubblicazione: (2020)

Adversarial Network Optimization under Bandit Feedback: Maximizing Utility in Non-Stationary Multi-Hop Networks
di: Dai, Yan, et al.
Pubblicazione: (2024)

Probabilistic Forecasting with Stochastic Interpolants and Föllmer Processes
di: Chen, Yifan, et al.
Pubblicazione: (2024)

Conditional Stochastic Interpolation for Generative Learning
di: Huang, Ding, et al.
Pubblicazione: (2023)

Finite-Time Regret Analysis of Retry-Aware Bandits
di: Tong, Bingkui, et al.
Pubblicazione: (2026)

Interpolating Discrete Diffusion Models with Controllable Resampling
di: Kollovieh, Marcel, et al.
Pubblicazione: (2026)

Value-Based Deep Multi-Agent Reinforcement Learning with Dynamic Sparse Training
di: Hu, Pihe, et al.
Pubblicazione: (2024)

Tripletformer for Probabilistic Interpolation of Irregularly sampled Time Series
di: Yalavarthi, Vijaya Krishna, et al.
Pubblicazione: (2022)

SigTime: Learning and Visually Explaining Time Series Signatures
di: Huang, Yu-Chia, et al.
Pubblicazione: (2025)

Heavy-Tailed and Long-Range Dependent Noise in Stochastic Approximation: A Finite-Time Analysis
di: Chandak, Siddharth, et al.
Pubblicazione: (2026)

Neural Continuous-Time Markov Chain: Discrete Diffusion via Decoupled Jump Timing and Direction
di: Li, Jingyuan, et al.
Pubblicazione: (2026)

On the Contractivity of Stochastic Interpolation Flow
di: Daniels, Mara
Pubblicazione: (2025)

Multitask Learning with Stochastic Interpolants
di: Negrel, Hugo, et al.
Pubblicazione: (2025)

Tight Finite Time Bounds of Two-Time-Scale Linear Stochastic Approximation with Markovian Noise
di: Haque, Shaan Ul, et al.
Pubblicazione: (2023)

Open Materials Generation with Stochastic Interpolants
di: Hoellmer, Philipp, et al.
Pubblicazione: (2025)